利用半隨機抽樣模型進行蛋白質概率計算方法的評估等質譜信息學研究.pdf

1、Shotgun技術是大規(guī)模蛋白質鑒定的重要方法，能在一次實驗中獲得大量的數據，而這些數據的可靠性是蛋白鑒定的一個重要問題。當前關于鑒定結果質量控制的研究主要集中在肽段水平上，而對于蛋白質水平上的鑒定結果可靠性研究比較少，且這些研究中的評估方法所用的數據量都比較小，不足以說明方法的有效性。 在對現有shotgun蛋白質鑒定過程充分理解的基礎上，建立了一個半隨機抽樣模型模擬大量數據搜索后鑒定結果，以期用該模型評估蛋白質概率計算過程中

2、可能涉及到的影響因素，同時評估現有的蛋白質概率計算方法。 為了驗證所建立的半隨機抽樣模型的可靠性，對一批標準蛋白質數據進行模擬，比較不同肽段數上的模擬的和真實的蛋白質或肽段數，發(fā)現兩種結果基本相似，證明了該模型能基本代表真實的蛋白質鑒定過程。 基于一批人肝臟的數據，利用半隨機抽樣模型模擬的34批數據，對鑒定結果的數據量大小、搜索數據庫大小和去高豐度蛋白質等影響蛋白質概率計算的因素進行了評估，發(fā)現隨著數據庫和數據量的增大蛋

3、白質的總體陽性率都會下降，而去除高豐度的蛋白質在一定程度上能夠提高蛋白質的真陽性率。同時，利用這些模擬數據，對目前常用的4種蛋白質概率計算方法進行了評估，發(fā)現PROT_PROBE能較好地區(qū)分鑒定結果中假陽性和真陽性蛋白質；ProteinProphet計算的蛋白質概率高于真實結果且區(qū)分度不佳；取雙肽段以上(≥2個非冗余肽段)蛋白質的方法效果較好，但會受到數據庫和數據量大小的影響：HPPP所采用的泊松模型在一定程度上能較準確地計算假陽性蛋白

4、質鑒定數，但這種方法強烈依賴于單肽段的假陽性率。因此，總體而言，現有的各種方法在部分解決蛋白質水平質量控制的同時，都存在著各自的缺陷，至今尚無較成熟可靠的方法。 另外，隨著蛋白質組學的發(fā)展，以及系統(tǒng)生物學研究的逐漸開展，需要高通量地進行蛋白質的相對定量。我們在目前所用的無標記定量方法的基礎上，用EM算法進行了方法的改進，并利用已有研究發(fā)表的數據進行驗證。結果表明，改進后的質譜數和蛋白質豐度的相關性比改進前有一定的提高。同時，利用

5、這些數據對主要的幾種基于鑒定蛋白質的質譜數定量模型進行比較，發(fā)現PAI模型最好，SpS模型次之，emPAI模型效果最差。 最后，本論文還進行了一個實用軟件AutoMascot的開發(fā)研究，該軟件能自動批量提交圖譜數據進行Mascot搜索。AutoMascot不僅包括了Mascot的web服務方式和MascotDaemon的常用功能，也增加了遠程訪問Mascot搜索引擎、批量提交數據文件或文件夾、多種搜索結果文件格式和輸出結果的展示