[发明专利]处理蛋白质肽数据的方法和系统

说明书

本发明涉及蛋白质鉴定并提供一种用于处理蛋白质肽数据的方 法和系统，所述蛋白质肽数据优选获自健康样本或病理样本，例如 组织样本。

存在鉴定复杂混合物中的蛋白质以及检测相关表达谱中的差异 的需求。当已经鉴定足够数量的给定蛋白质的肽时，就认为该给定 蛋白质存在于样品中。使用MSMS(串联质谱)用于快速和并行鉴 定大量的肽是本领域公知的。首先，利用质谱仪生成裂解谱图，即 肽谱，并在所生成的肽谱基础上鉴定肽序列。简言之，该过程基本 按以下步骤进行。在进行降低样本复杂度的分离(例如利用液相色 谱)之后，用合适的酶(如胰蛋白酶)消化产生待检测的肽。然后 利用质谱仪进行基于质量的选择，并且在质谱仪的第二室中进行碰 撞诱导解离，从而发生裂解。由于与质谱仪第二室中的惰性气体相 碰撞，导致肽裂成碎片，并且获得质量为从0直到完整肽质量的多 个片段。然后，为了鉴定，将裂解谱图与序列相关联。因此，可以 从谱图中读出序列(或其部分)。最后，有必要进行数据库检索， 利用试验谱图进行谱图比较，直至找到最佳匹配。也就是说，将肽 的裂解谱图与候选肽的理论生成的谱图进行比较。由于该比较产生 大量的数据，所以数据的后处理非常耗时。这提前限制了试验的程 度。由于不存在处理巨量生成数据的实际解决方案，所以对不同试 验的结果进行比较或操作所产生的数据进行后处理变得非常困难 和耗时。

因此，本发明的一个目的是提供一种改善和加快肽的后处理、 即将所鉴定的肽分配到蛋白质和蛋白质分组中的方法和系统。该目 的通过所附权利要求的特征而实现。

本发明的第一方面涉及一种处理从供分析的健康样本或病理样 本获得的蛋白质肽数据的方法，该方法包括以下步骤：(a)提供代 表输入数据集的肽序列列表和相关辅助信息；(b)通过除去肽序列 列表中的肽序列冗余而从输入数据集编辑新的肽序列列表，所述新 的肽序列列表代表肽数据集；和(c)将源自同一蛋白质的肽数据 集的成员分组在一起，由此生成蛋白质数据集。

所述辅助信息优选包括以下至少一种：相应的度量值、源蛋白 质、肽的物理化学性质、肽在蛋白质序列中的偏移。

在步骤(b)中，在新的肽序列列表中优选用单一项来代表肽 冗余。优选通过考虑全部冗余肽序列的相应值来计算该单一项的肽 度量值。

步骤(c)优选包括基于其每个肽的测量值来计算每种蛋白质的 总蛋白质度量。

所述输入数据集、蛋白质数据集和肽数据集优选存储在关系型 数据库中。每个肽序列例如映射至一个唯一编号，并且一种蛋白质 的肽的唯一编号之总和为每种蛋白质提供唯一识别编号。优选基于 这些唯一识别编号来分组。

根据一个优选实施方案，使至少一些数据集直观化。

第一方面的方法优选还包括步骤(d)：确定蛋白质数据集内共 有相同肽的蛋白质并将其分组，由此形成蛋白质分组的数据集；并 由此检测该蛋白质集中的冗余。

根据本发明，提供并处理两个数据集，一个对应于健康组织， 一个对应于病理组织，以便在病理组织中找出不能在健康组织中找 到的那些部分。因此，本发明提供在病理组织内存在而在健康组织 内不存在或者在健康组织内存在而在病理组织内不存在的蛋白质 的列表。

本发明的第二方面涉及一种方法，其包括以下步骤：(a)提供 与健康或病理组织相关的至少两个肽数据集或蛋白质数据集；(b) 合并所述肽数据集或蛋白质数据集以生成复合数据集；和(c)输 出所述复合数据集。

根据第二方面的方法，优选将健康组织的肽数据集或蛋白质数 据集与健康组织的其它肽数据集或蛋白质数据集合并。作为替代方 案，将病理组织的肽数据集或蛋白质数据集与病理组织的其它肽数 据集或蛋白质数据集合并。作为进一步的替代方案，将健康组织的 肽数据集或蛋白质数据集与病理组织的肽数据集或蛋白质数据集 合并。

优选根据布尔运算(Boolean operation)规则及其组合来实施 步骤(b)中的合并。优选地，在合并步骤中，计算每个成员蛋白 质或成员肽的各种度量以包括来自每个原始数据集的贡献。

根据一个优选的选择方案，第二方面的方法还包括将第一复合 数据集与至少一个其它复合数据集合并以生成更高等级的复合数 据集。