[发明专利]开放式蛋白质鉴定的数据库搜索方法及其系统

权利要求书

1.一种开放式蛋白质鉴定的数据库搜索方法，其特征在于，包括：

步骤1，输入蛋白质序列，模拟切分每一条蛋白质序列，并将所有生成的子序列按照质量排序，生成肽序列数据表，并根据该肽序列数据表建立索引文件；

步骤2，输入质谱图，对每张质谱图，提取谱峰生成查询集合，查询所述索引文件，得到序列集合；

步骤3，对每张质谱图及其对应的序列集合，根据修饰组合，生成候选肽段并打分；

步骤4，对打分结果进行整合，并进行肽段到蛋白质的推断，得到鉴定结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤1中，包括：

步骤11，读取蛋白质数据库文件，获取蛋白质序列及名称；

步骤12，遍历蛋白质序列，按照非特异性酶切的方式模拟切分每条蛋白质序列为多个子序列；

步骤13，对每个质量值设定一个计数器并初始化为0，该计数器统计每个质量值对应的子序列数目；对每条子序列质量值对应的计数器加1；开辟一数组以存储所有的子序列；以及

步骤14，按照非特异性酶切的方式遍历蛋白质序列，将生成的每条子序列存储到数组中，以使数组中的所有元素按照质量升序排列，生成索引文件。

3.根据权利要求2所述的方法，其特征在于，所述步骤11中，包括：

当蛋白质数据库文件大于设置的单批次处理规模上限时，将该蛋白质数据库文件按照该单批次处理规模上限划分成多个子块，每一个子块对全部质谱图完成索引文件获取和查询，然后处理下一个子块，直到所有子块处理完毕。

4.根据权利要求2或3所述的方法，其特征在于，所述步骤2中，包括：

步骤21，读入质谱数据文件，获取质谱图，对每一张质谱图进行预处理，挑选谱峰；以及

步骤22，对每一张质谱图，基于挑选出的谱峰，生成查询集合，检索蛋白质数据库，进行第一次打分，存储分数较高的序列片段。

5.根据权利要求4所述的方法，其特征在于，所述步骤22中，包括：

对于每一个查询，根据质量值及对应的N端或C端，检索蛋白质数据库中的序列片段；

对于蛋白质数据库中的序列片段，包括N端片段和C端片段进行打分，分别存储分数较高的序列片段。

6.根据权利要求5所述的方法，其特征在于，所述步骤3中，包括：

步骤31，对序列片段进行判断，若该序列片段为N端片段，则对该序列片段的C端确认边界；否则对该序列片段的N端确认边界；

步骤32，计算所确认边界的肽段与质谱图的母离子的质量差，并将该质量差当作修饰质量查询修饰数据库；若存在合适的修饰，则生成修饰肽段；以及

步骤33，对质谱图与该修饰肽段进行打分。

7.根据权利要求6所述的方法，其特征在于，所述步骤33中，包括：

当蛋白质数据库文件大于设置的单批次处理规模上限时，将当前得到的质谱图、候选肽及打分信息输入中间文件。

8.根据权利要求1、2、3、5、6、或7所述的方法，其特征在于，所述步骤4中，包括：

步骤41，收集所有质谱图对应的候选肽结果，进行候选肽的E-value值计算，并存储排名最高的结果；以及

步骤42，根据排名最高的结果，对每一个肽段查找其对应的蛋白质信息，生成鉴定结果。

9.一种开放式蛋白质鉴定的数据库搜索系统，其特征在于，包括：

索引文件获取模块，用于输入蛋白质序列，模拟切分每一条蛋白质序列，并将所有生成的子序列按照质量排序，生成肽序列数据表，并根据该肽序列数据表建立索引文件；

查询结果获取模块，连接索引文件获取模块，用于输入质谱图，对每张质谱图，提取谱峰生成查询集合，查询所述索引文件，得到序列集合；

候选肽段生成模块，连接查询结果获取模块，用于对每张质谱图及其对应的序列集合，根据修饰组合，生成候选肽段并打分；

鉴定结果获取模块，连接候选肽段生成模块，用于对打分结果进行整合，并进行肽段到蛋白质的推断，得到鉴定结果。