定量蛋白質(zhì)組算法研究與應(yīng)用.pdf

1、自Marc Wilkins于1994年提出首次“proteome”（蛋白質(zhì)組）以來，蛋白質(zhì)組學作為繼基因組學之后的一個研究熱點領(lǐng)域，已經(jīng)走過了二十個年頭。期間，隨著質(zhì)譜儀器的不斷更新，以及相應(yīng)實驗技術(shù)的不斷完善，蛋白質(zhì)組學呈現(xiàn)出高速發(fā)展的趨勢。質(zhì)譜技術(shù)憑借其高通量、高靈敏性等優(yōu)點已經(jīng)成為了蛋白質(zhì)組研究的主流技術(shù)。質(zhì)譜數(shù)據(jù)解析也成為蛋白質(zhì)組信息學的主要研究內(nèi)容之一。
　　然而，早期的質(zhì)譜儀器精度較低，數(shù)據(jù)往往包含較多的噪聲，譜圖質(zhì)量

2、較差。因此研究人員首先要解決定性鑒定的相關(guān)問題，比如如何找到譜圖對應(yīng)的肽段序列、鑒定結(jié)果中的假陽性如何過濾即質(zhì)量控制等多方面的問題。值得欣慰的是，經(jīng)過多年來科研人員的共同努力，一方面質(zhì)譜儀器的精度和分辨率得到了大幅度提升，質(zhì)譜數(shù)據(jù)質(zhì)量越來越高;另一方面，相應(yīng)的分析方法和工具也日趨完善，這些基本的鑒定問題已經(jīng)得到了較好的解決。近年來，蛋白質(zhì)組學的研究重點已經(jīng)逐漸從之前的定性研究轉(zhuǎn)移到了定量研究。定量蛋白質(zhì)組學已經(jīng)成為組學領(lǐng)域的研究熱點之一

3、，它既包含了相同蛋白質(zhì)在不同狀態(tài)中的豐度變化研究，又包含了不同蛋白質(zhì)在同一狀態(tài)中的絕對定量研究。它的發(fā)展對蛋白質(zhì)相互作用、疾病相關(guān)的生物標志物以及蛋白質(zhì)豐度規(guī)律變化等多方面的研究都具有重大意義。
　　目前，定量蛋白質(zhì)組按照是否研究蛋白質(zhì)的絕對豐度，又可以分為相對定量與絕對定量兩類。在相對定量研究中，按照是否需要穩(wěn)定同位素標記又可以分為有標定量與無標定量。針對不同的類別，眾多的實驗策略應(yīng)運而生，但是相應(yīng)的計算方法研究卻稍顯滯后。一方

4、面，質(zhì)譜數(shù)據(jù)規(guī)模增長迅速，數(shù)據(jù)復(fù)雜度不斷增加，對定量分析方法的準確性、靈敏性以及分析效率的要求越來越高;另一方面，質(zhì)譜數(shù)據(jù)的精度也在逐漸提高，如何有效結(jié)合定量實驗策略，充分挖掘高精度質(zhì)譜數(shù)據(jù)中的定量信息，這將是一個挑戰(zhàn)。
　　針對上述問題，本研究主要關(guān)注于定量蛋白質(zhì)組學的定量算法研究以及定量軟件和工具的研發(fā)與應(yīng)用，為后續(xù)定量蛋白質(zhì)組學的發(fā)展提供方法學支撐。本文具體研究內(nèi)容包括以下四個方面:
　　(1)考慮了定量可靠性的蛋白質(zhì)

5、相對定量算法研究。在譜圖層面，我們提出了動態(tài)選峰誤差算法，提高了定量結(jié)果的靈敏性。在肽段層面，我們首次提出了定量可靠性的概念，定義了三種定量可靠性過濾指標以及兩種定量可靠性打分。定量可靠性過濾指標能夠減少肽段定量結(jié)果中的假陽性，保證了結(jié)果的準確性。定量可靠性打分則可以為后續(xù)分析提供定量可靠性判別依據(jù)。在蛋白質(zhì)層面，我們實現(xiàn)了三種孤點肽段排除算法，有效提升了蛋白質(zhì)定量的準確性。最后，采用上述定量算法，我們針對穩(wěn)定同位素標記的數(shù)據(jù)設(shè)計并開發(fā)

6、了自動化有標定量工具SILVER，并在一組大規(guī)模復(fù)雜數(shù)據(jù)集以及兩組不同標記比例的標準數(shù)據(jù)集上驗證了SILVER的準確性、靈敏性和高效性。
　　(2)基于肽段定量效率指標的蛋白質(zhì)絕對定量算法研究。首先，我們第一次提出并定義了肽段定量效率指標，即一個肽段能被質(zhì)譜檢測并定量的效率，用以表征肽段實際豐度值與肽段質(zhì)譜信號強度之間的關(guān)系。然后，我們收集和整理了587種肽段各方面的性質(zhì)特征，采用半監(jiān)督式學習的計算模型，構(gòu)建了樣本特異性的肽段定量

7、效率指標。最后，我們將肽段定量效率指標用于蛋白質(zhì)絕對定量中，并在三組不同復(fù)雜度的數(shù)據(jù)集上和幾種常用絕對定量方法進行了比較，結(jié)果表明基于肽段定量效率的絕對定量算法能夠顯著降低一個蛋白質(zhì)對應(yīng)不同肽段的定量偏差以及重復(fù)實驗中定量值的波動，在肽段和蛋白質(zhì)層面都具有更好的定量準確性和定量可重復(fù)性，在高復(fù)雜度的樣本中效果更加明顯。
　　(3)綜合性、并行化定量軟件包PANDA的設(shè)計與開發(fā)。在蛋白質(zhì)定量算法研究的基礎(chǔ)上，我們設(shè)計并開發(fā)了包含各類

8、常用定量方法的綜合性、并行化定量軟件包PANDA。其中，我們構(gòu)建了譜圖、肽段和蛋白質(zhì)三個層面的底層定量算法庫，囊括了無標定量、母離子標記定量、子離子標記定量以及絕對定量的分析流程。同時，我們設(shè)計了多核多線程的并行化架構(gòu)，實現(xiàn)了多種定量算法的并行化和優(yōu)化，能夠完成多個餾分之間以及單個餾分內(nèi)部的多重并行化計算，極大地提高了計算效率。除此之外，PANDA還具有結(jié)果展示與統(tǒng)計分析功能，能夠進行定量結(jié)果的列表展示與各種圖形展示。最后，PANDA包

9、含了差異蛋白質(zhì)篩選的基本流程，具有缺失值插補、統(tǒng)計檢驗以及層次聚類、主成分分析等多種功能。
　　(4)建立大規(guī)模蛋白質(zhì)組定量數(shù)據(jù)分析流程并在實際分析中應(yīng)用。近年來，中國人類蛋白質(zhì)組計劃以及中國人類染色體蛋白質(zhì)組計劃陸續(xù)啟動，產(chǎn)出了大量來自于不同實驗室和不同質(zhì)譜平臺的蛋白質(zhì)組數(shù)據(jù)。為了統(tǒng)一分析、整合這些不同來源的質(zhì)譜數(shù)據(jù)，我們在前期定量方法研究和工具開發(fā)的基礎(chǔ)上，建立了針對大規(guī)模蛋白質(zhì)組數(shù)據(jù)的定量分析與歸一化流程，克服了不同實驗操作

10、、不同質(zhì)譜儀器的差別，連續(xù)兩年完成了中國人類染色體蛋白質(zhì)組計劃中全部實驗室產(chǎn)出的蛋白質(zhì)組數(shù)據(jù)定量分析任務(wù)，提供了準確的定量結(jié)果，為后續(xù)分析奠定了基礎(chǔ)。
　　綜上所述，本研究緊密結(jié)合最新的定量蛋白質(zhì)組學實驗技術(shù)和儀器的發(fā)展，著眼于質(zhì)譜數(shù)據(jù)中定量信息的深度解析和挖掘，重點研究了定量算法，并針對不同的定量實驗策略設(shè)計、開發(fā)了相應(yīng)的定量軟件和工具。這些研究成果能夠直接應(yīng)用于蛋白質(zhì)組學的定量研究中，目前已經(jīng)在中國人類染色體蛋白質(zhì)組計劃等多批