基于梯度提升決策樹的肽碎片離子強(qiáng)度建模.pdf

1、蛋白質(zhì)的鑒定是蛋白質(zhì)組學(xué)的一個(gè)重要分支，其目標(biāo)主要是對(duì)生物體內(nèi)的蛋白質(zhì)數(shù)量與種類進(jìn)行鑒定?；诖?lián)質(zhì)譜的質(zhì)譜測序技術(shù)已經(jīng)成為現(xiàn)階段蛋白質(zhì)序列鑒定的核心技術(shù)之一。在生物實(shí)驗(yàn)室中，每天都有大量的質(zhì)譜數(shù)據(jù)產(chǎn)生，其數(shù)量遠(yuǎn)超出了人工處理數(shù)據(jù)的能力。目前基于串聯(lián)質(zhì)譜數(shù)據(jù)對(duì)蛋白質(zhì)鑒定主要有三種方法，分別為數(shù)據(jù)庫搜索方法、從頭測序方法和肽序列標(biāo)簽查詢方法。數(shù)據(jù)庫搜索方法是最為常用的一種方法，其主要算法是基于串聯(lián)質(zhì)譜數(shù)據(jù)的肽譜匹配算法。串聯(lián)質(zhì)譜鑒定的目標(biāo)

2、是根據(jù)給定的質(zhì)譜數(shù)據(jù)推算出氨基酸序列，進(jìn)而推斷出蛋白質(zhì)，其中關(guān)鍵點(diǎn)是對(duì)理論圖譜做出正確預(yù)測。由于對(duì)肽段斷裂機(jī)理的定性認(rèn)識(shí)不足以做出正確的預(yù)測，還需要定量分析斷裂機(jī)理的影響因素，如斷裂位點(diǎn)以及斷裂位點(diǎn)的肽碎片屬性等，以提高對(duì)理論圖譜的準(zhǔn)確預(yù)測，從而增加蛋白質(zhì)鑒定的準(zhǔn)確度。
　　本文通過閱讀文獻(xiàn)總結(jié)出肽碎片離子特征，將總結(jié)的肽碎片離子特征轉(zhuǎn)換為便于計(jì)算的實(shí)驗(yàn)數(shù)據(jù)，使用梯度提升決策樹算法來構(gòu)建離子強(qiáng)度預(yù)測模型并做出理論預(yù)測。首先，對(duì)原始

3、串聯(lián)質(zhì)譜數(shù)據(jù)集做預(yù)處理，對(duì)處理后的數(shù)據(jù)使用蛋白質(zhì)鑒定引擎pFind進(jìn)行鑒定；其次，設(shè)定過濾條件對(duì)鑒定出的結(jié)果進(jìn)行過濾操作，獲得高可信的肽序列；第三，計(jì)算出肽序列中的離子質(zhì)荷比與離子特征值，通過匹配質(zhì)譜數(shù)據(jù)中離子的質(zhì)荷比獲取對(duì)應(yīng)的離子強(qiáng)度信息，使用強(qiáng)度信息與離子特征值構(gòu)建實(shí)驗(yàn)數(shù)據(jù)；第四，將實(shí)驗(yàn)數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)、驗(yàn)證數(shù)據(jù)與測試數(shù)據(jù)，使用梯度提升決策樹算法在訓(xùn)練數(shù)據(jù)與驗(yàn)證數(shù)據(jù)上構(gòu)建預(yù)測模型；最后，使用構(gòu)建完成的預(yù)測模型對(duì)測試數(shù)據(jù)做離子強(qiáng)度理