[发明专利]基于峰强度识别能力的蛋白质二级质谱鉴定方法

说明书

技术领域

本发明涉及蛋白质二级质谱鉴定领域，特别是涉及一种基于峰强度识别能力的蛋白质二级质谱鉴定方法。

背景技术

多维色谱与质谱技术联用构成的生物质谱技术大规模应用于蛋白质组学，尤其基质辅助激光解吸(matrix-assisted laser desorption ionization,MALDI)和电喷雾(Electrospray Ionization,ESI)两种软电离技术的出现，使生物质谱能较少的引入杂质并保持肽段分子的完整性，为蛋白质的质量信息和结构信息的研究开启了新的一页。质谱数据处理技术对蛋白质组的研究具有重要的作用，其主要任务是从带有复杂噪声或者部分信息缺失的数据中推断样品的蛋白质组成。数据库搜索是质谱数据处理的主要方法，其基本过程如图1所示，即将实验图谱和数据库中产生的理论图谱进行比对、打分，选择分值最高的匹配作为搜索结果的候选肽段。

蛋白质二级质谱鉴定涉及诸多方面的内容，其主要包括母离子价态的确定、有效质谱峰的选取、匹配打分模型构建以及整体鉴定结果的假阳性率控制。目前随机数据库方法是针对整体鉴定结果假阳性率控制的主要方法。基本思想是：先给定的蛋白质数据库和实验数据集构建一个随机数据库，然后同时或者分别搜索真实蛋白质数据库和新构建的随机数据库，进而通过随机数据库肽段匹配来模拟正常数据库中的随机匹配，最终估计正常数据库中随机匹配的特征分布，确定不同过滤标准。目前求取整体数据集假阳性率(False Positive Rate，FPR)的方法多样。其中Kall’s在Proteome上公开的计算假阳性率的方法被广泛采用，计算公式如下：

FPR=NRNN]]>

蛋白质二级质谱鉴定算法的核心问题是如何构建一个合理、高效的打分模型。目前针对数据库搜索的打分模型主要可分为两类：解释型模型和概率统计模型。具有代表且被广泛使用的算法分别是：SEQUEST和Mascot。此外，X！Tandem(超几何模型)，OMSSA(泊松分布模型)和ProVerB(二项分布模型)也是基于概率统计模型的算法。目前蛋白质二级质谱鉴定算法打分模型中，打分内容大致可分为以下三方面：(1)峰的匹配与不匹配，(2)峰的连续匹配，(3)峰强度的匹配；其中(1)、(2)在算法设计中已被广泛考虑，但是(3)很少被引入至算法中。近期公开发表的蛋白质二级质谱鉴定算法ProVerB很好的将(1)、(2)、(3)引入算法构建中，鉴定结果明显优于Mascot和Sequest，为蛋白质结构信息和功能域的研究提供了极为有力的工具，但是综合目前蛋白质鉴定算法，其打分模型却均未涉及强度识别能力这个重要的特征信息。

因此，融入强度识别能力这个特征信息，继而研究一种能明显提高蛋白质有效质谱数量和蛋白质肽段数量的二级质谱鉴定方法具有很高的理论和实用价值。

发明内容

基于此，有必要提供一种能明显提高蛋白质有效质谱数量和蛋白质肽段数量的基于峰强度识别能力的蛋白质二级质谱鉴定方法。

一种基于峰强度识别能力的蛋白质二级质谱鉴定方法，包括如下步骤：

(1)虚拟酶解蛋白质数据库序列，并根据肽段的质量数对酶解后的肽段建立肽段数据库和肽段数据库索引；

(2)根据待分析实验图谱中母离子去电荷后的质量数在步骤(1)所述的肽段数据库中找出符合要求的候选肽段；

(3)对待分析实验图谱进行去同位素峰和选取有效峰；

(4)产生符合要求的候选肽段的理论图谱；

(5)统计不同离子的峰强度信息，并计算出不同离子类型在不同区间内峰强度识别能力；

(6)对每个候选肽段基于峰强度识别能力进行打分，选择最高得分的肽段作为此实验图谱鉴定结果，对鉴定结果进行质量控制。

在其中一些实施例中，步骤(3)所述的去同位素峰过程具体包括如下步骤：

1.1)进行初始化，三个比较峰的m/z值及其强度，全部设为0，设三个峰m/z值分别是：m/z_1＝0，m/z_2＝0，m/z_3＝0，其峰强对应是m/z_1_in＝0，m/z_2_in＝0，m/z_3_in＝0，并设置保留峰的容器，已知测量质量误差m；