[发明专利]一种蛋白质鉴定的大规模分布式并行加速方法及其系统

说明书

技术领域

本发明涉及一种规模化蛋白质鉴定的分布式并行加速方法，特别是涉及一种采用分布式并行技术以在多个计算节点上，有效分担搜索任务从而提高蛋白质鉴定速度的方法及其系统。

背景技术

“蛋白质组”(Proteome)描绘了特定生物样品中在给定时刻和给定条件下表达的蛋白质的全体。顾名思义，蛋白质组学就是对蛋白质组的研究，其最基本的任务就是确定出哪些蛋白质在生物体内得到了表达、表达量是多少、翻译后修饰以及蛋白与蛋白相互作用等，由此获得蛋白质水平上关于疾病发生、细胞代谢等过程的整体而全面的认识。在当前的蛋白质组研究中，基于串联质谱的蛋白质鉴定是最广泛使用的技术之一，参考文献1《Aebersold，R.and Mann，M.Mass spectrometry-based proteomics，Nature，2003，422：198-207》中对相关的内容有较为详细的说明。

基于串联质谱鉴定蛋白质的基本步骤是：首先将混合蛋白样品酶切为肽，经过液相色谱分离后，进入质谱仪，得到肽的实验串联质谱图，然后对质谱图进行分析，得到对应的肽序列，最后通过肽到蛋白质归并分析，得到混合蛋白样品中的蛋白质列表，从而达到对蛋白质进行鉴定的目的。在鉴定产生实验串联质谱的肽序列的过程中，数据库搜索的方法被广泛采用。如在参考文献2《Eng，J.K.，McCormack，A.L.and Yates，J.R.An approach to correlate tandemmass spectral data of peptides with amino acid sequences in a protein database.JAm Soc Mass Spectrom，1994，5：976-989》、参考文献3《Perkins，D.N.，Pappin，D.J.，Creasy，D.M.and Cottrell，J.S.Probability-based protein identification by searchingsequence databases using mass spectrometry data.Electrophoresis，1999，20：3551-3567》以及参考文献4《Field，H.I.，，D.and Beavis，R.C.RADARS，a bioinformatics solution that automates proteome mass spectral analysis，optimisesprotein identification，and archives data in a relational database.Proteomics，2002，2：36-47》中都对采用数据库搜索的方法实现肽序列的鉴定做了详细说明。

采用数据库搜索的方法通过肽序列鉴定实现蛋白质鉴定的方法主要包括以下步骤：首先，模拟生物学中的酶切规则将蛋白质数据库中的蛋白质序列切分成肽序列；然后计算切分得到的各个肽序列的质量；最后利用质谱数据中的母离子质量误差窗口寻找符合一定质量范围内的肽序列，将符合要求的肽序列输入给打分函数以实现对肽序列的鉴定。

由于近年来随着蛋白质数据库的规模不断增长，对非特异性酶切肽的鉴定需求不断增加，导致肽序列的规模不断增大，同时，质谱数据的生成速度也在不断增长，因此对蛋白质的鉴定速度提出了更高的要求。但前述的蛋白质鉴定方法在效率上却有不足，因此需要对上述的数据库搜索方法进行加速。