基于質譜數(shù)據(jù)的糖組學解析系統(tǒng)和新方法研究.pdf

1、質譜（MS）是一種儀器分析技術，它能夠有效地解析聚糖結構并提供定性和定量的信息。糖組學是研究生物體內(nèi)糖的分子結構及生物功能的科學。隨著糖組學的發(fā)展，大量的聚糖結構通過解析質譜實驗數(shù)據(jù)而確定。最近生物信息技術的發(fā)展提供了一個利用聚糖結構數(shù)據(jù)庫和從頭算法對MS或MS/MS數(shù)據(jù)提取有價值的信息的機會。功能糖組學協(xié)會（CFG）已經(jīng)提供的基于網(wǎng)絡的資源，使獲得聚糖質譜實驗數(shù)據(jù)和聚糖結構信息變得更加容易。然而，大量由質譜獲取的聚糖分析的數(shù)據(jù)需要手動

2、注釋。此項工作不但耗時，而且精確度很低。此外，檢測被埋沒在噪音數(shù)據(jù)中的低強度信號峰仍然是一個挑戰(zhàn)。因此，開發(fā)從MS數(shù)據(jù)中準確預測和注釋聚糖結構的算法是非常需要的。
　　本研究開發(fā)了一種基于匹配聚糖分子的同位素相對豐度（mGIA）的方法來預測和注釋聚糖的單糖組成（糖組成）和單糖間連接方式（糖結構）的算法，它利用質譜數(shù)據(jù)中分子同位素的觀測質荷比值，豐度特征以及兩者之間的關系。首先構建了一個完整的聚糖分子的單糖組成庫，其中包含了808個

3、聚糖的單糖以及聚糖分子相應的同位素理論豐度。同時，利用CFG數(shù)據(jù)庫中得到的樣品數(shù)據(jù)并結合了一個有效的數(shù)據(jù)預處理技術生成了含有所有候選組成的數(shù)據(jù)集。數(shù)據(jù)預處理是為了從MS數(shù)據(jù)中精確地提取聚糖同位素觀測峰簇，包括基線消除，平滑去噪，峰質心化處理和一個基于庫的組成匹配方法。有別于大多數(shù)已報道的方法，不僅考慮到峰的質荷比值特征，還引入了相應的聚糖分子同位素的理論和觀測豐度向量之間的歐幾里德距離。為了解決不同聚糖分子同位素會出現(xiàn)重疊的問題，在匹配

4、計算中增加了對重疊的區(qū)域的預測和識別。如果兩個匹配到的組成的質荷比的差值接近于1至4之間的一個整數(shù)，并且每個峰各有一個相匹配的理論聚糖組成，那么就認為這兩個糖組成的前五個同位素峰的質荷比是一個潛在的重疊區(qū)域。在每個樣品數(shù)據(jù)中，發(fā)現(xiàn)了超過20個潛在的重疊區(qū)域。通過構建一個最優(yōu)化模型對每個潛在的重疊區(qū)域內(nèi)的聚糖同位素簇進行了去卷積處理從而改善了mGIA算法。
　　為了提高聚糖結構注釋的精確度，提出了一個線性分類的評估方法。在分類器獲取

5、過程中，使用支持向量機（SVM）算法訓練了三個候選聚糖組成數(shù)據(jù)集，它們是源于CFG profiling數(shù)據(jù)庫中的三個不同的人體組織樣品數(shù)據(jù)。并使用CFG profiling數(shù)據(jù)庫中的小鼠腎臟樣品數(shù)據(jù)對算法進行了驗證，結果顯示比他人的注釋多鑒定出6個聚糖組成。并且與已報道的算法相比，顯著改善了對豐度較弱的離子的檢測。因為從CFG profiling數(shù)據(jù)庫的7個CHO樣品數(shù)據(jù)獲得的訓練數(shù)據(jù)集具有不平衡性，影響了分類器效果。因此嘗試了幾種不同

6、的采樣技術，如過采樣技術SMOTE等，分別與支持向量機（SVMs）算法相結合對候選聚糖組成集進行訓練。結果顯示通過SMOTE-支持向量機算法，所有樣品的注釋靈敏度平均增長了26.8％?；谶@個注釋算法，開發(fā)了一個名為GlycoMaid的系統(tǒng)來幫助用戶使用聚糖組成自動標注質譜實驗數(shù)據(jù)，并列出注釋的可信度以及所有在CFG數(shù)據(jù)庫中的候選結構鏈接。軟件包和源代碼發(fā)布在http://code.google.com/p/glycomaid/。

7、>　　為了豐富注釋的聚糖組成的候選結構集，通過一系列酶反應規(guī)則模擬了在內(nèi)質網(wǎng)和高爾基體中的生物合成過程。結果發(fā)現(xiàn)具有較高質荷比值的聚糖組成在生成的結果中會出現(xiàn)較多的假陽性結構。還嘗試使用了組織信息對來自CFG結構數(shù)據(jù)庫的注釋結果進行過濾，遺憾的是現(xiàn)有的生物信息非常有限，使得這種方法目前還不夠理想。
　　在本論文中，自主開發(fā)了mGIA算法來自動解析質譜數(shù)據(jù)并準確的注釋聚糖的組成和結構。該算法的優(yōu)勢是分析低豐度峰和處理重疊聚糖同位素峰