串聯(lián)質譜數(shù)據(jù)的預處理方法研究.pdf

1、近年來，基于串聯(lián)質譜技術的蛋白質鑒定，逐漸成為蛋白質組學研究中的關鍵問題，而質譜數(shù)據(jù)的預處理是其中不可忽略的問題之一，因為質譜中的大量噪聲使得鑒定時間的增加和精度的下降，而且同位素峰的存在也會使肽鑒定的準確性和可靠性受到影響。本文主要針對低精度的離子阱質譜數(shù)據(jù)，研究了串聯(lián)質譜數(shù)據(jù)的預處理問題，包括質譜中的強度基線水平的確定和同位素質峰的識別問題。第二章首先簡單介紹了質譜技術的基礎，包括質譜儀的原理、組成和數(shù)據(jù)處理等，隨后詳細介紹了基于串

2、聯(lián)質譜的蛋白質鑒定方法，分析了質譜數(shù)據(jù)預處理的必要性，并總結了現(xiàn)有預處理算法不足，比如不能根據(jù)每個質譜的不同特點來獲得基線。在第三章中，論文提出了一種自適應地確定譜峰強度基線的方法。通過大量觀察發(fā)現(xiàn)，不同質譜中譜峰強度的分布范圍是有差別的，但是在形式上低強度的噪音峰都近似服從高斯分布，而離子峰則近似服從伽馬分布。據(jù)此給出了一個期望最大化即EM學習算法和一個快速近似算法自適應地估計每個質譜中噪音峰強度的分布參數(shù)，從而確定噪音基線水平。實驗

3、結果表明，與固定基線方法相比，自適應基線方法能夠在相同數(shù)據(jù)縮減率下提高肽鑒定的準確度。在高精度質譜儀產生的質譜數(shù)據(jù)中，同位素譜峰非常明顯，相對容易識別。而在低精度的離子阱質譜中，同位素峰則非常不明顯甚至缺失，因此尚缺少有效的識別方法。本研究發(fā)現(xiàn)，離子阱數(shù)據(jù)中的同位素峰實際上仍有規(guī)律可循。論文第四章首先給出了第一同位素與單同位素峰在質量和強度方面的多種約束關系，并據(jù)此構造出譜峰的特征向量表示，然后提出利用機器學習中的決策樹方法對譜峰的類別