專利名稱：譜庫的生成方法和串聯(lián)質(zhì)譜譜圖鑒定方法
技術(shù)領(lǐng)域：
本發(fā)明涉及蛋白質(zhì)組鑒定方法，特別涉及一種譜庫的生成方法和串聯(lián)質(zhì)譜譜圖鑒 定方法。
背景技術(shù)：
眾所周知，絕大多數(shù)生物的遺傳信息保存在DNA中。DNA通過轉(zhuǎn)錄過程生成信使 RNA,而信使RNA又通過翻譯過程生成蛋白質(zhì)，從而實(shí)現(xiàn)了遺傳信息由DNA到RNA再到蛋白 質(zhì)的傳遞，這一過程也被稱為生命的中心法則。在從RNA翻譯生成蛋白質(zhì)的過程中，20種 氨基酸以肽鍵順序相連所形成的鏈狀分子被稱為肽，而其中分子量達(dá)到一定級別的肽則被 稱為蛋白質(zhì)。大多數(shù)蛋白質(zhì)在翻譯形成后，會在蛋白質(zhì)中的某些氨基酸上增加某種功能團(tuán) (如在蛋白質(zhì)的N末端加入乙酰)，或增加了其他的蛋白質(zhì)或肽，或改變了氨基酸的化學(xué)性 質(zhì)或結(jié)構(gòu)，這一過程被稱為發(fā)生了化學(xué)修飾，由于該過程發(fā)生在前述的翻譯過程后，因此在 蛋白質(zhì)氨基酸上所發(fā)生的變化也被稱為蛋白質(zhì)翻譯后修飾。蛋白質(zhì)翻譯后修飾能夠改變氨 基酸的化學(xué)性質(zhì)，引起蛋白質(zhì)結(jié)構(gòu)的改變，擴(kuò)充蛋白質(zhì)的功能。很多蛋白質(zhì)的重要生物活性 都是在發(fā)生翻譯后修飾之后才具有的。此外，在體外的蛋白質(zhì)樣品處理中，也經(jīng)常會有意或 無意的人為引入一些化學(xué)修飾。修飾質(zhì)量的絕對值通常都比較大，如大于10Da。目前已知的蛋白質(zhì)修飾類型已有幾百種，檢測蛋白質(zhì)樣品中發(fā)生了哪些翻譯后修 飾對于蛋白質(zhì)鑒定是個重要而困難的問題。液相色譜與質(zhì)譜儀聯(lián)用，并結(jié)合數(shù)據(jù)庫搜索計 算是目前蛋白質(zhì)組學(xué)中鑒定蛋白質(zhì)及其翻譯后修飾的常用方法。在這種方法中，通過液相 色譜與質(zhì)譜儀聯(lián)用可以得到蛋白質(zhì)樣品的實(shí)驗(yàn)串聯(lián)質(zhì)譜。實(shí)驗(yàn)串聯(lián)質(zhì)譜的獲取過程包括 蛋白質(zhì)樣品首先被選定的蛋白酶水解，形成肽混合物；肽混合物通過液相色譜進(jìn)行分離，不 同物理化學(xué)性質(zhì)的肽先后從色譜柱中流出；從色譜柱中流出的肽不斷進(jìn)入質(zhì)譜儀；肽在質(zhì) 譜儀中被離子化，肽段離子也被稱為母離子，具有特定質(zhì)量電荷比的肽離子在能量作用下 碎裂形成碎片離子，碎片離子被分離和檢測形成肽碎片離子譜；通過以上過程便得到蛋白 質(zhì)的實(shí)驗(yàn)串聯(lián)質(zhì)譜。在得到實(shí)驗(yàn)串聯(lián)質(zhì)譜后就可以從實(shí)驗(yàn)串聯(lián)質(zhì)譜中鑒定肽的氨基酸序 列，進(jìn)而鑒定蛋白質(zhì)。從實(shí)驗(yàn)串聯(lián)質(zhì)譜中鑒定肽的氨基酸序列時通常采用數(shù)據(jù)庫搜索計算 的方法。數(shù)據(jù)庫搜索計算的方法有多種，譜庫搜索方法是其中的典型代表。所述譜庫的全 稱為譜圖數(shù)據(jù)庫，它是由實(shí)驗(yàn)譜圖數(shù)據(jù)組織而成的集合。譜庫搜索方法的基本實(shí)現(xiàn)步驟包 括在計算過程中，將待檢測蛋白質(zhì)的實(shí)驗(yàn)串聯(lián)質(zhì)譜與譜庫中所保存的實(shí)驗(yàn)串聯(lián)質(zhì)譜進(jìn)行 比較，從所述譜庫中選擇母離子質(zhì)量(或質(zhì)荷比)相同或相近的實(shí)驗(yàn)串聯(lián)質(zhì)譜作為候選結(jié) 果，最后再通過諸如打分機(jī)制等方式從所述候選結(jié)果中找出與待檢測蛋白質(zhì)的實(shí)驗(yàn)串聯(lián)質(zhì) 譜相匹配的實(shí)驗(yàn)串聯(lián)質(zhì)譜圖。通常，譜庫中的實(shí)驗(yàn)串聯(lián)質(zhì)譜圖所對應(yīng)的各種信息是已知的， 因此，也就可以由此鑒定出肽的氨基酸序列，進(jìn)而鑒定蛋白質(zhì)。從上述說明可以看出，所述譜庫中的實(shí)驗(yàn)串聯(lián)質(zhì)譜的母離子質(zhì)量(或質(zhì)荷比)只 有與待檢測蛋白質(zhì)的實(shí)驗(yàn)串聯(lián)質(zhì)譜的質(zhì)荷比相同或相近才有可能成為所述的候選結(jié)果，這種對候選結(jié)果的質(zhì)荷比范圍有嚴(yán)格規(guī)定的譜庫搜索方法又被稱為限制性搜索方法。在現(xiàn)有的譜庫搜索方法及實(shí)際運(yùn)用中，限制性搜索方法占了絕大多數(shù)。但正如前文所提到的那 樣，蛋白質(zhì)翻譯后修飾是本領(lǐng)域中的一種常見現(xiàn)象，如果待檢測蛋白質(zhì)中的某個肽段發(fā)生 了某種翻譯后修飾，而之前生成的譜庫中由于譜圖覆蓋率的限制，只引入了該肽段的無修 飾形式或含有其它種類修飾形式的譜圖，那么在利用前述的譜庫搜索方法時，正確的候選 肽的實(shí)驗(yàn)串聯(lián)質(zhì)譜可能根本就不會進(jìn)入候選結(jié)果中，這必然會影響蛋白質(zhì)鑒定的準(zhǔn)確性。 在目前的蛋白質(zhì)組實(shí)驗(yàn)中，質(zhì)譜儀產(chǎn)生的大部分譜圖不能有效解析，譜圖解析率只有10% 到30%，一個重要原因就是蛋白質(zhì)中具有未知或未預(yù)料到的修飾，從而無法找到正確的候 選肽，影響了后續(xù)的鑒定過程。

發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有的基于譜庫的鑒定方法由于蛋白質(zhì)中所具有的未知或 未預(yù)料到的修飾而無法找到正確的候選譜圖，影響鑒定準(zhǔn)確性的缺陷，從而提供一種高準(zhǔn) 確性的譜圖鑒定方法。本發(fā)明提供了一種譜圖數(shù)據(jù)庫的生成方法，包括步驟1)、選取已解析的實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖，所述已解析的串聯(lián)質(zhì)譜譜圖中包括母 離子肽序列、電荷、修飾類型和位點(diǎn)在內(nèi)的信息；步驟2)、從所述已解析的實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖中去除冗余譜圖，得到代表譜；步驟3)、將所述代表譜所代表的母離子肽序列按理論碎裂模式進(jìn)行劃分，得到與 所述代表譜相對應(yīng)的理論譜；步驟4)、合并所述代表譜與所對應(yīng)的理論譜，得到優(yōu)化譜；步驟5)、對所述優(yōu)化譜做譜峰標(biāo)注，由譜峰標(biāo)注后的優(yōu)化譜生成譜圖數(shù)據(jù)庫。上述技術(shù)方案中，還包括步驟6)、對保存在譜圖數(shù)據(jù)庫中的優(yōu)化譜做譜峰處理，去除譜峰中的干擾信息，保 留并調(diào)整有用的信息。上述技術(shù)方案中，還包括步驟7)、重排所述優(yōu)化譜的母離子肽序列，根據(jù)重排后的母離子肽序列生成誘餌 譜，將所述誘餌譜保存在譜圖數(shù)據(jù)庫中。上述技術(shù)方案中，所述的步驟2)包括步驟2-1)、從所述已解析的實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖中選出冗余譜圖；所述冗余譜圖為 具有相同母離子肽序列、電荷、修飾類型和位點(diǎn)的譜圖；步驟2-2)、對所述冗余譜圖做譜峰歸一化，將譜圖中每根譜峰的強(qiáng)度值改為該譜 峰原始強(qiáng)度值與該譜圖內(nèi)強(qiáng)度最高譜峰的原始強(qiáng)度值之間的比值；步驟2-3)、為各張所述冗余譜圖賦予權(quán)重；步驟2-4)、合并所述的冗余譜圖。本發(fā)明還提供了一種串聯(lián)質(zhì)譜譜圖鑒定方法，包括步驟1)、輸入待解析的串聯(lián)質(zhì)譜譜圖，所述待解析的串聯(lián)質(zhì)譜譜圖中已包含有該 譜圖的母離子質(zhì)量和電荷，以及各譜峰的質(zhì)荷比和強(qiáng)度；步驟2)、從譜圖數(shù)據(jù)庫中為所述待解析的串聯(lián)質(zhì)譜譜圖找出候選譜，所述候選譜與待解析的串聯(lián)質(zhì)譜譜圖的母離子電荷相同且質(zhì)量誤差在第一閾值范圍內(nèi)；所述第一閾值 的范圍大于常見蛋白質(zhì)翻譯后修飾的質(zhì)量范圍；步驟3)、將待解析的串聯(lián)質(zhì)譜譜圖與所述候選譜中的各個譜圖做匹配打分，根據(jù) 匹配打分結(jié)果找出匹配度最高的候選譜作為鑒定結(jié)果。上述技術(shù)方案中，所述譜圖數(shù)據(jù)庫還包括誘餌譜圖，所述誘餌譜圖為預(yù)期作為錯 誤鑒定結(jié)果的譜圖；所述方法還包括步驟4)、根據(jù)待解析的串聯(lián)質(zhì)譜譜圖鑒定結(jié)果來自所述優(yōu)化譜和所述誘餌譜的數(shù) 量，對鑒定結(jié)果進(jìn)行整體上的假陽率評估。上述技術(shù)方案中，所述步驟3)包括步驟3-1)、依次分析待解析的串聯(lián)質(zhì)譜譜圖中的每一根譜峰，從所述候選譜中查找與其匹配的譜峰；在查找匹配譜峰的過程中要考慮由潛在修飾引入的部分譜峰質(zhì)荷比的 改變；步驟3-2)、在確定待解析的串聯(lián)質(zhì)譜譜圖與所述候選譜所匹配的譜峰后，根據(jù)譜 峰的匹配情況分別計算用于衡量某一候選譜與某一待解析串聯(lián)質(zhì)譜譜圖間相似性的相似 性分?jǐn)?shù)，以及用于衡量某一候選譜與某一待解析串聯(lián)質(zhì)譜譜圖的匹配情況相對于其它候選 譜是否顯著的顯著性分?jǐn)?shù)；步驟3-3)、根據(jù)所述的相似性分?jǐn)?shù)與顯著性分?jǐn)?shù)計算匹配得分，選擇匹配得分最 高的候選譜作為鑒定結(jié)果。上述技術(shù)方案中，所述相似性分?jǐn)?shù)的計算公式如下
相似性分?jǐn)?shù)=,旺配上的譜峰
γ待解析譜圖的譜峰γ候選譜圖的譜峰其中，Iq和L分別表示所涉及到的待解析譜和候選譜的譜峰強(qiáng)度。上述技術(shù)方案中，對所述顯著性分?jǐn)?shù)的計算如下步驟a)、定義待解析譜圖中強(qiáng)度排名前η的譜峰為主力譜峰，定義發(fā)生在一根主 力譜峰和一根被標(biāo)注譜峰之間的譜峰匹配叫做有力的匹配，設(shè)Hli為第i張候選譜圖中被標(biāo) 注的譜峰個數(shù)，設(shè)h為待解析譜圖和第i張候選譜圖匹配時發(fā)生的有力的匹配次數(shù)；步驟b)、當(dāng)該待解析譜圖與這W張候選譜圖匹配時，某一根主力譜峰與某一根被
標(biāo)注譜峰匹配上的概率P為 w I 步驟C)、對于該待解析譜中的某一根主力譜峰與第i張譜圖中的譜峰進(jìn)行匹配 時，發(fā)生有力的匹配的概率P為 步驟d)、該待解析譜與第i張候選譜圖進(jìn)行譜峰匹配時，發(fā)生不少于ki次有力匹配的概率？]31116為 步驟e)、所述顯著性分?jǐn)?shù)為 本發(fā)明的優(yōu)點(diǎn)在于1、本發(fā)明所創(chuàng)建的譜圖數(shù)據(jù)庫在現(xiàn)有技術(shù)中常見的只包括實(shí)驗(yàn)譜圖的譜庫的基 礎(chǔ)上加入了理論序列信息，從而結(jié)合了實(shí)驗(yàn)譜圖和理論譜圖兩種不同數(shù)據(jù)類型的優(yōu)點(diǎn)。2、本發(fā)明在將候選譜與待解析串聯(lián)質(zhì)譜譜圖匹配的過程中，考慮了可能由潛在修 飾引入的譜峰質(zhì)荷比偏移，使得含修飾的碎片離子譜峰得到匹配，達(dá)到更好的修飾譜圖鑒 定效果。3、本發(fā)明提供了背景無關(guān)和背景相關(guān)的兩種打分機(jī)制，使得最終分?jǐn)?shù)既利用了匹 配結(jié)果的統(tǒng)計顯著性這一信息來提高鑒定精度，又不完全依賴于該信息從而避免了小庫問 題(候選譜圖過少時引發(fā)的統(tǒng)計顯著性失效問題)。4、本發(fā)明提供了用于開放式搜索的鑒定結(jié)果假陽率評價的誘餌譜圖，達(dá)到了有效 控制假陽性率的目的。


圖1為創(chuàng)建譜圖數(shù)據(jù)庫的流程圖；圖2為冗余譜合并的示意圖；圖3為由代表譜與其對應(yīng)的理論譜生成優(yōu)化譜的示意圖；圖4為利用譜圖數(shù)據(jù)庫鑒定串聯(lián)質(zhì)譜譜圖的流程圖。
具體實(shí)施例方式下面結(jié)合附圖和具體實(shí)施方式
對本發(fā)明做進(jìn)一步說明。在背景技術(shù)的說明中已經(jīng)提到，譜庫搜索的前提是存在一個譜圖數(shù)據(jù)庫，譜圖數(shù) 據(jù)庫中譜圖數(shù)據(jù)的完整與否對于蛋白質(zhì)鑒定最終結(jié)果的正確率有著十分重要的影響。因 此，參考圖1，在本發(fā)明中首先對建立譜圖數(shù)據(jù)庫的過程加以說明。建立譜圖數(shù)據(jù)庫需要有一批已解析的實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖，這些已解析的實(shí)驗(yàn)串聯(lián) 質(zhì)譜譜圖的相關(guān)信息都是已知的，如母離子肽序列、電荷、修飾類型和位點(diǎn)等。本領(lǐng)域技術(shù) 人員很容易理解，已解析的實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖的數(shù)據(jù)量越多，則所建立的譜圖數(shù)據(jù)庫所包 含的數(shù)據(jù)就越完整，也就越有利于后續(xù)的鑒定工作。在由已解析的實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖建立譜圖數(shù)據(jù)庫的過程中，首先要去除已解析的實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖中的冗余譜圖，從而減少譜圖中的譜圖數(shù)量。所述的冗余譜圖是指具有 相同母離子肽序列、電荷、修飾類型和位點(diǎn)的譜圖。在本實(shí)施例中，去除冗余譜圖的方法包 括對冗余譜圖分別進(jìn)行譜峰歸一化并賦予權(quán)重，然后將來自相同肽段序列、相同修飾和位 點(diǎn)、并具有相同母離子電荷的串聯(lián)質(zhì)譜譜圖合并為一張譜圖。正如本領(lǐng)域技術(shù)人員所公知的那樣，譜圖中的譜峰(除少量的母離子峰和噪音峰)代表了碎片離子，譜峰在譜圖橫坐標(biāo)上的取值代表質(zhì)荷比，縱坐標(biāo)上的取值代表了強(qiáng)度值。譜圖的譜峰歸一化操作是指把譜圖中每根譜峰的強(qiáng)度值改為該譜峰原始強(qiáng)度值與該 譜圖內(nèi)強(qiáng)度最高譜峰的原始強(qiáng)度值之間的比值，這樣該譜圖中強(qiáng)度最高的譜峰強(qiáng)度值為1， 其余譜峰的強(qiáng)度值為O到1之間的數(shù)值。譜峰歸一化操作可以克服不同譜圖中譜峰原始強(qiáng) 度值相差較大而給后續(xù)的譜圖合并所帶來的問題。從譜峰歸一化操作可以看出，譜峰歸一 化只是對各個冗余譜圖內(nèi)部的處理，冗余譜圖的數(shù)量并不會發(fā)生改變。在完成譜峰的歸一 化以后，還要為各個冗余譜圖賦予權(quán)重。為冗余譜圖賦予權(quán)重的方法有多種，一種簡單的方 法是為每張冗余譜圖賦予均一權(quán)重。另外也可以根據(jù)已解析譜圖的可信度來賦予權(quán)重，已 解析譜圖一般都是由某個鑒定算法鑒定出來的，那么每張譜圖都會有一個鑒定得分，根據(jù) 鑒定得分的高低可以確定譜圖的可信度，可信度高的可以賦予相對較高的權(quán)重。在對各個譜圖做譜峰歸一化并賦予權(quán)重后，就可以對冗余譜圖做譜圖合并。所述 的譜圖合并是要將多個冗余譜圖合并成一個譜圖以減少冗余譜圖數(shù)量，每個待合并譜圖都 有一個權(quán)重，合并后譜圖的母離子質(zhì)量為所有待合并譜圖的母離子質(zhì)量加權(quán)平均值；合并 后譜圖中的譜峰是所有待合并譜圖譜峰的并集，之后再將各組來自不同待合并譜圖的公共 譜峰分別合并為一根譜峰，其譜峰 < 質(zhì)荷比，強(qiáng)度 > 值為相應(yīng)的所有待合并譜峰 < 質(zhì)荷比， 強(qiáng)度〉的加權(quán)平均值。在圖2中給出了冗余譜圖合并前后的示意圖，在該圖中有三張冗余 譜，分別為冗余譜A、冗余譜B、冗余譜C，上述冗余譜經(jīng)過前述方法合并后得到一張合并后 的譜圖。在上述合并過程中所提到的公共譜峰是指相對于儀器精度來說，來自不同待合并 譜圖中質(zhì)荷比鄰近的譜峰。也就是說，假如一個譜圖中的譜峰a與另一個譜圖中的譜峰b 的質(zhì)荷比之差大于一個指定的閾值，那么這兩個譜峰就不屬于公共譜峰，也就不能夠加以 合并。公共譜峰的定義與儀器精度有關(guān)，例如對于LTQ儀器，通常質(zhì)荷比之差在士0. 5Th以 內(nèi)的譜峰被稱為公共譜峰，而對于Orbitrap儀器，通常質(zhì)荷比之差在士0. 02Th以內(nèi)的譜峰 被稱為公共譜峰。在前述說明中給出了本實(shí)施例去除冗余譜圖的方法，但去除冗余譜圖的方法并不 局限于這一種。在其它實(shí)施例中，也可以采用其它方法來去除冗余譜圖，例如，從多個冗余 譜圖中選擇一張質(zhì)量最好的譜圖，而將其它譜圖刪除。所述的已解析的實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖在經(jīng)過去除冗余數(shù)據(jù)的操作后所得到的譜 圖被稱為代表譜，所述代表譜反映了來自儀器的真實(shí)實(shí)驗(yàn)譜圖的數(shù)據(jù)特點(diǎn)。正如背景技 術(shù)中所提到的，由于某些翻譯后修飾的引入會改變肽段的化學(xué)性質(zhì)，從而導(dǎo)致修飾肽段 和非修飾肽段的碎裂模式產(chǎn)生差異，例如某非修飾肽段正常情況下發(fā)生碰撞_誘導(dǎo)碎裂 (Collision-InducedDissociated, CID)后y2和y3離子居多，沒有y4和y5離子；但這個肽 段發(fā)生某個翻譯后修飾以后，在相同的實(shí)驗(yàn)條件下碎裂后y2和y3離子沒有了，而y4和y5 離子居多，因此僅僅包含代表譜的譜圖數(shù)據(jù)庫未必能夠反映蛋白質(zhì)翻譯后修飾現(xiàn)象。為了 克服這一缺陷，在本發(fā)明中需要為譜圖數(shù)據(jù)庫添加理論肽序列的信息，以實(shí)現(xiàn)對譜圖數(shù)據(jù) 庫的優(yōu)化。在本實(shí)施例中，對譜圖數(shù)據(jù)庫的優(yōu)化包括首先根據(jù)代表譜生成與之對應(yīng)的理論 譜，然后對所有代表譜和理論譜進(jìn)行結(jié)合，將各理論譜與其對應(yīng)的代表譜分別合并成優(yōu)化 譜。例如，對于每張代表譜，根據(jù)其母離子肽序列信息產(chǎn)生一張理論譜圖，理論譜圖的母離 子質(zhì)量和電荷與代表譜相同，其譜峰為在某質(zhì)荷比范圍內(nèi)的部分或全部理論離子譜峰(如 CID碎裂中的b、y離子及其中性丟失離子等，+1電荷及以上且不超過母離子電荷數(shù)的離子均可考慮)，譜峰強(qiáng)度可以是均一的，也可以設(shè)定為其它值。對每張理論譜和代表譜分別進(jìn) 行譜峰強(qiáng)度歸一化處理，并將代表譜與理論譜分別賦予權(quán)重后，合并生成優(yōu)化譜。在圖3中 反映了代表譜、理論譜以及由代表譜和理論譜所生成的優(yōu)化譜之間的關(guān)系。代表譜中包含 了某個肽序列碎裂后所能生成的部分碎片離子的質(zhì)荷比與強(qiáng)度信息，理論譜中包含了某個 肽序列碎裂后理論上所能生成的所有碎片離子的質(zhì)荷比，但缺少相應(yīng)的強(qiáng)度信息，因此將 代表譜與理論譜做歸一化合并后所生成的優(yōu)化譜能夠綜合代表譜與理論譜的優(yōu)點(diǎn)。優(yōu)化譜圖生成后需要對其進(jìn)行譜峰標(biāo)注，所述的譜峰標(biāo)注是指根據(jù)譜圖對應(yīng)的肽 序列信息來解釋譜峰。本實(shí)施例中根據(jù)譜圖對應(yīng)的肽序列計算出理論碎片離子的質(zhì)荷比 值，分析譜圖中的每一根譜峰，如果該譜峰與某個理論碎片離子的質(zhì)荷比之差在某個給定 誤差閾值內(nèi)，那么就在該譜峰的標(biāo)注信息中記錄此理論碎片離子的信息，包括離子類型， 碎裂位點(diǎn)，電荷數(shù)等。所述的誤差閾值通常由儀器精度而定，例如對于LTQ儀器，閾值為 士0. 5Th。對優(yōu)化譜圖做譜峰標(biāo)注有利于后續(xù)的鑒定過程。經(jīng)過譜峰標(biāo)注的優(yōu)化譜圖被保存在譜圖數(shù)據(jù)庫中。需要說明的是，現(xiàn)有技術(shù)中的 譜圖數(shù)據(jù)庫只包含有實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖，而本發(fā)明中的譜圖數(shù)據(jù)庫所保存的優(yōu)化譜圖除了 包括實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖的數(shù)據(jù)外，還包括有理論譜的信息。雖然在下文中依然用譜圖數(shù)據(jù) 庫這一名稱，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)了解，本發(fā)明中所涉及的譜圖數(shù)據(jù)庫與現(xiàn)有技術(shù)中所 提到的譜圖數(shù)據(jù)庫有著明顯的不同。通過對一批已解析的串聯(lián)質(zhì)譜譜圖所做的上述操作生成相應(yīng)的譜圖數(shù)據(jù)庫以后， 就可以利用這一譜圖數(shù)據(jù)庫進(jìn)行鑒定。但為了提高后續(xù)鑒定的準(zhǔn)確率，還可以對所述譜圖 數(shù)據(jù)庫做進(jìn)一步優(yōu)化。對譜圖數(shù)據(jù)庫的進(jìn)一步優(yōu)化包括對所述的優(yōu)化譜進(jìn)行譜峰處理，即去掉譜峰中的 干擾信息，保留有用的信息，并對信息進(jìn)行適當(dāng)?shù)恼{(diào)整。例如，去掉除離子單同位素峰之外 的同位素峰，去掉母離子及其相關(guān)譜峰；去掉噪音峰；對譜峰強(qiáng)度進(jìn)行重度量處理。上述操 作都可通過現(xiàn)有技術(shù)中已披露的相關(guān)方法實(shí)現(xiàn)。對譜圖數(shù)據(jù)庫的進(jìn)一步優(yōu)化還包括創(chuàng)建并保存誘餌譜圖。所述的誘餌譜圖是 在譜庫搜索空間中的預(yù)期作為錯誤鑒定結(jié)果的譜圖，服務(wù)于鑒定結(jié)果的假陽率評估。它 可以是來自與帶搜數(shù)據(jù)實(shí)驗(yàn)樣品不同源蛋白的真實(shí)實(shí)驗(yàn)譜圖，也可以是由算法生成的譜 圖。在本實(shí)施例中，所生成的誘餌譜圖的數(shù)量與優(yōu)化譜相同，對于每張優(yōu)化譜，根據(jù)其母 離子肽序列信息產(chǎn)生誘餌肽序列作為誘餌譜所對應(yīng)的母離子肽序列。誘餌肽序列可以是 優(yōu)化譜母離子肽序列的一個重排，重排規(guī)則可以是假設(shè)優(yōu)化過的代表譜母離子肽序列為 AAA3. An_iAn，其中n為肽段包含的氨基酸殘基個數(shù)，A,為從肽段N端開始的第i個氨基 酸殘基，則誘餌譜的母離子肽序列為An_iAn_2An_3. . . AAo誘餌譜的譜峰為優(yōu)化過的代表譜譜 峰，其中對于根據(jù)優(yōu)化過的代表譜的母離子肽序列無法解釋的譜峰，其質(zhì)荷比和強(qiáng)度值均 不變；對于根據(jù)優(yōu)化過的代表譜的母離子肽序列得到解釋的譜峰，其質(zhì)荷比值更新為對應(yīng) 到誘餌譜母離子肽序列計算得到的理論質(zhì)荷比值，強(qiáng)度值不變。誘餌譜的其它信息(如母 離子質(zhì)量，電荷等)與優(yōu)化譜相同。在得到誘餌譜后，將其保存在譜圖數(shù)據(jù)庫中，此時的譜 圖數(shù)據(jù)庫是一個同時包含代表譜與誘餌譜的數(shù)據(jù)庫。誘餌譜圖的作用在于為鑒定結(jié)果預(yù)測 假陽率，因此，只有在鑒定過程中需要預(yù)測假陽率時才有必要創(chuàng)建并保存誘餌譜圖，否則就 無需創(chuàng)建。
以上是對譜圖數(shù)據(jù)庫創(chuàng)建過程的說明，如果在鑒定時已經(jīng)有可用的譜圖數(shù)據(jù)庫， 則譜圖數(shù)據(jù)庫的創(chuàng)建過程可以省略，參考圖4，直接進(jìn)入下面的搜索鑒定過程。搜索鑒定過程的對象是一批待解析的串聯(lián)質(zhì)譜譜圖(以下簡稱待解析譜圖)，如 何由蛋白質(zhì)組得到待解析譜圖為本領(lǐng)域技術(shù)人員的公知常識，在背景技術(shù)中也有相應(yīng)的說 明，因此不在此處重復(fù)。對于待解析譜圖，已經(jīng)知道譜圖的母離子質(zhì)量和電荷，以及譜圖中 各譜峰的質(zhì)荷比和強(qiáng)度，并不知道母離子對應(yīng)的肽序列，是否發(fā)生了翻譯后修飾，發(fā)生的修 飾類型和位點(diǎn)信息(如果該肽段為修飾肽段)。對這些待解析譜圖進(jìn)行搜索鑒定就是要為 每張待解析譜圖從本發(fā)明所述的譜圖數(shù)據(jù)庫中找出一些合適的候選譜，并將這些候選譜與 待解析譜圖進(jìn)行匹配打分，選擇匹配分?jǐn)?shù)最高的候選譜作為鑒定結(jié)果。從上述說明可以看出，搜索鑒定時首先要找出合適的候選譜。在選定一張待解析 譜圖后，為該待解析譜圖找出候選譜的方法可以是從譜圖數(shù)據(jù)庫中找出與待解析譜母離子 電荷相同且質(zhì)量誤差在一定閾值范圍內(nèi)的譜圖；也可以是從譜庫中找出與待解析譜圖母離 子質(zhì)荷比之差在一定閾值范圍內(nèi)的譜圖。在本實(shí)施例中采用的是前一種方法。定義ΔΜ 為待解析譜圖的母離子質(zhì)量減去候選譜圖的母離子質(zhì)量所得到的值，母離子質(zhì)量差閾值的 下、上界分別為^^和α2，則候選譜圖是譜圖數(shù)據(jù)庫中與待解析譜圖的母離子具有相同電 荷且ΔΜ在一定母離子質(zhì)量差閾值內(nèi)的譜圖，即滿足Ci1 < ΔΜ< α20用W表示待解析譜 對應(yīng)的候選譜數(shù)目。在現(xiàn)有技術(shù)中常見的限制性搜索中，α / α 2的取值通常為-3/+3D a，這 樣絕大多數(shù)類型的修飾質(zhì)量都在此范圍之外；而在以本發(fā)明為代表的開放式搜索中，CI1/ α 2的取值可以擴(kuò)大到_300/+300Da，這樣大多數(shù)的常見修飾質(zhì)量都不會逃出候選窗口。需 要說明的是，如果譜圖數(shù)據(jù)庫中包含有誘餌譜圖，則在為待解析譜圖查找候選譜時，誘餌譜 圖也可能會被包括到候選譜中。在得到待解析譜圖的候選譜以后，就要將該待解析譜圖與每張候選譜圖進(jìn)行匹配 打分。需要注意的是，在匹配打分之前需要對待解析譜圖進(jìn)行譜峰處理，處理方法可以采用 類似優(yōu)化譜的譜峰處理方法。所述匹配打分首先要完成的是譜峰匹配，所述譜峰匹配的實(shí)施過程包括依次分析 待解析譜圖中的每一根譜峰，尋找候選譜圖中與其匹配上的譜峰。需要說明的是，在判斷 兩根譜峰是否匹配時需要考慮由潛在修飾引入的部分譜峰質(zhì)荷比的改變，其具體規(guī)則可以 是設(shè)該待解析譜圖譜峰和候選譜圖譜峰的質(zhì)荷比分別為mQ和π^，設(shè)碎片離子質(zhì)荷比 誤差為Tp (這個誤差Tp是人為設(shè)定的參數(shù)，需要根據(jù)實(shí)驗(yàn)儀器精度的不同而設(shè)置合適的值， 例如LTQ儀器可以設(shè)為0. 5Th, Orbitrap儀器可以設(shè)為0. 02Th)，滿足以下條件時兩譜峰匹 配[1]、若該候選譜圖的譜峰未被標(biāo)注|mQ_mL| < Tp ；[2]、若該候選譜圖的譜峰已被標(biāo)注，其電荷為(Λ:|πιθ-ΠΙ」< Tp或ΙΠ^-Π^-ΔΜΑΛ < ΤΡ。值得一提的是，由于譜圖數(shù)據(jù)庫中的優(yōu)化譜包含了所有可能的碎片離子，因此當(dāng) 某種修飾對肽段碎裂模式產(chǎn)生較大影響時，待解析的修飾肽段譜圖中的碎片離子譜峰將有 機(jī)會匹配上譜庫中對應(yīng)的非修飾肽段的譜峰。在確定待解析譜和候選譜所匹配的譜峰后，就可以進(jìn)行打分。所述打分包含兩個部分一個是相似性分?jǐn)?shù)，另一個是顯著性分?jǐn)?shù)。最終匹配得分為相似性分?jǐn)?shù)和顯著性分?jǐn)?shù) 的組合。其中，相似性分?jǐn)?shù)是指對該候選譜與某一張待解析譜之間做相似性度量所得出的 分?jǐn)?shù)，與其它候選譜無關(guān)，為背景無關(guān)的分?jǐn)?shù)；顯著性分?jǐn)?shù)是衡量該候選譜圖與某一張待解 析譜圖的匹配情況相對于其它候選譜圖來說是否顯著，為背景相關(guān)的分?jǐn)?shù)。相似性分?jǐn)?shù)的計算方法有多種，如歐氏距離法，馬氏距離法，基于概率匹配的相似 性度量等方法，在本實(shí)施例中采用計算譜峰向量夾角余弦值的方法，該計算方法如下 其中Iq和L分別表示所涉及到的待解析譜和候選譜的譜峰強(qiáng)度。顯著性分?jǐn)?shù)的計算方法也有多種，如e_值法(e-value)，p_值法(p-value)，Ζ-分 數(shù)法(Z-score)等。在本實(shí)施例中采用了基于ρ-值法的顯著性計算方法，具體計算待解析 譜圖與第i張候選譜圖(1 < i < W)譜峰匹配情況的顯著性的方法如下定義待解析譜圖 中強(qiáng)度排名前η的譜峰為主力譜峰；定義發(fā)生在一根主力譜峰和一根被標(biāo)注譜峰之間的譜 峰匹配叫做有力的匹配；設(shè)Hli為第i張候選譜圖中被標(biāo)注的譜峰個數(shù)；設(shè)Ici為待解析譜圖 和第i張候選譜圖匹配時發(fā)生的有力的匹配次數(shù)。那么當(dāng)該待解析譜圖與這W張候選譜圖 匹配時，某一根主力譜峰與某一根被標(biāo)注譜峰匹配上的概率P為 對于該待解析譜中的某一根主力譜峰與第i張譜圖中的譜峰進(jìn)行匹配時，發(fā)生有 力的匹配的概率P為 那么該待解析譜與第i張候選譜圖進(jìn)行譜峰匹配時，發(fā)生不少于Ici次有力匹配的 概率p_value為 p_value越小說明顯著性越強(qiáng)，由此計算出來的顯著性分?jǐn)?shù)為 最終該待解析譜圖與第i張候選譜圖的匹配得分為相似性分?jǐn)?shù)和顯著性分?jǐn)?shù)的 結(jié)合，可以是簡單的相乘，也可以是求加權(quán)和等。本實(shí)施例中采用了簡單相乘的方法，利用 該方法計算匹配得分的計算公式如下匹配得分=相似性分?jǐn)?shù)X顯著性分?jǐn)?shù)分別計算該待解析譜圖與前述W張候選譜圖的匹配得分后，選擇匹配分?jǐn)?shù)最高的 候選譜作為鑒定結(jié)果。鑒定結(jié)果的內(nèi)容包括母離子肽序列，電荷，修飾類型和位點(diǎn)，ΔΜ和匹配得分。如果鑒定結(jié)果的ΔΜ絕對值比較大(例如大于IODa)，那么這個ΔΜ很可能解釋 成為修飾質(zhì)量，這時鑒定結(jié)果還要包括修飾發(fā)生的位點(diǎn)。修飾位點(diǎn)的定位方法可以是設(shè)鑒 定結(jié)果的肽序列長度為LjE △ M質(zhì)量分別添加到L個氨基酸位點(diǎn)上生成L條肽段，并根據(jù) 這些肽段分別生成L張理論譜圖，然后分別計算出待解析譜圖與這L張理論譜圖之間的相 似性分?jǐn)?shù)，選擇相似性分?jǐn)?shù)最高的結(jié)果所對應(yīng)的△ M所在位點(diǎn)作為鑒定結(jié)果的修飾位點(diǎn)。
待所有待解析譜圖鑒定完畢后，如果有需要，還可以針對搜索結(jié)果進(jìn)行整體上的 假陽率評估。在進(jìn)行假陽率評估時，可以是將所有鑒定到的譜圖按照一定規(guī)則排序(如按 照得分從高到低排序)，則可以對前η張譜圖進(jìn)行分析，過濾掉鑒定結(jié)果為誘餌譜的待解析 譜圖，并估計保留下來的鑒定結(jié)果中的假陽率；同時也可以用相同的方法根據(jù)某個確定的 假陽率閾值來過濾鑒定結(jié)果。例如，當(dāng)搜索完畢一批待解析譜圖后，得到的結(jié)果是待解析譜1，結(jié)果1;待解析譜2，結(jié)果2;待解析譜3，結(jié)果3;......待解析譜η，結(jié)果η。對于上述η條結(jié)果，設(shè)這η個結(jié)果中有χ個是來自誘餌譜庫。那么，這χ個結(jié)果肯 定是錯誤的鑒定，需要被過濾掉，剩下的η-χ個來自優(yōu)化譜庫的才可能是正確的。我們想知 道這n-x個結(jié)果的可信度是多少，換句話說，想知道其中有多少結(jié)果可能被錯誤地鑒定，這 就是鑒定結(jié)果的假陽率。一種假陽率估算方法是，認(rèn)為剩下的n-x個結(jié)果中，錯誤率是χ/(n-x)；也有人認(rèn) 為是2x/n。這兩個是最普遍使用的估計假陽率的公式，它們都是需要誘餌庫才能夠使用的， 譜庫中沒有誘餌庫就意味著沒有X，那就無法計算假陽率。以上是對本發(fā)明如何創(chuàng)建譜圖數(shù)據(jù)庫以及利用該譜圖數(shù)據(jù)庫鑒定串聯(lián)質(zhì)譜譜圖 過程的說明。從中可以看出，本發(fā)明具有以下優(yōu)勢1、本發(fā)明所創(chuàng)建的譜圖數(shù)據(jù)庫在現(xiàn)有技術(shù)中常見的只包括實(shí)驗(yàn)譜圖的譜庫的基 礎(chǔ)上加入了理論序列信息，從而結(jié)合了實(shí)驗(yàn)譜圖和理論譜圖兩種不同數(shù)據(jù)類型的優(yōu)點(diǎn)。2、本發(fā)明在將候選譜與待解析串聯(lián)質(zhì)譜譜圖匹配的過程中，考慮了可能由潛在修 飾引入的譜峰質(zhì)荷比偏移，使得含修飾的碎片離子譜峰得到匹配，達(dá)到更好的修飾譜圖鑒 定效果。3、本發(fā)明提供了背景無關(guān)和背景相關(guān)的兩種打分機(jī)制，使得最終分?jǐn)?shù)既利用了匹 配結(jié)果的統(tǒng)計顯著性這一信息來提高鑒定精度，又不完全依賴于該信息從而避免了小庫問 題(候選譜圖過少時引發(fā)的統(tǒng)計顯著性失效問題)。4、本發(fā)明提供了用于開放式搜索的鑒定結(jié)果假陽率評價的誘餌譜圖，達(dá)到了有效 控制假陽性率的目的。最后所應(yīng)說明的是，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非限制。盡管參 照實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，對本發(fā)明的技術(shù)方 案進(jìn)行修改或者等同替換，都不脫離本發(fā)明技術(shù)方案的精神和范圍，其均應(yīng)涵蓋在本發(fā)明 的權(quán)利要求范圍當(dāng)中。
權(quán)利要求
一種譜圖數(shù)據(jù)庫的生成方法，包括步驟1)、選取已解析的實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖，所述已解析的串聯(lián)質(zhì)譜譜圖中包括母離子肽序列、電荷、修飾類型和位點(diǎn)在內(nèi)的信息；步驟2)、從所述已解析的實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖中去除冗余譜圖，得到代表譜；步驟3)、將所述代表譜所對應(yīng)的母離子肽序列按理論碎裂模式進(jìn)行劃分，得到與所述代表譜相對應(yīng)的理論譜；步驟4)、合并所述代表譜與所對應(yīng)的理論譜，得到優(yōu)化譜；步驟5)、對所述優(yōu)化譜做譜峰標(biāo)注，由譜峰標(biāo)注后的優(yōu)化譜生成譜圖數(shù)據(jù)庫。
2.根據(jù)權(quán)利要求1所述的譜圖數(shù)據(jù)庫的生成方法，其特征在于，還包括步驟6)、對保存在譜圖數(shù)據(jù)庫中的優(yōu)化譜做譜峰處理，去除譜峰中的干擾信息，保留并 調(diào)整有用的信息。
3.根據(jù)權(quán)利要求1或2所述的譜圖數(shù)據(jù)庫的生成方法，其特征在于，還包括步驟7)、重排所述優(yōu)化譜的母離子肽序列，根據(jù)重排后的母離子肽序列生成誘餌譜，將 所述誘餌譜保存在譜圖數(shù)據(jù)庫中。
4.根據(jù)權(quán)利要求1或2或3所述的譜圖數(shù)據(jù)庫的生成方法，其特征在于，所述的步驟 2)包括步驟2-1)、從所述已解析的實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖中選出冗余譜圖；所述冗余譜圖為具有 相同母離子肽序列、電荷、修飾類型和位點(diǎn)的譜圖；步驟2-2)、對所述冗余譜圖做譜峰歸一化，將譜圖中每根譜峰的強(qiáng)度值改為該譜峰原 始強(qiáng)度值與該譜圖內(nèi)強(qiáng)度最高譜峰的原始強(qiáng)度值之間的比值； 步驟2-3)、為各張所述冗余譜圖賦予權(quán)重； 步驟2-4)、合并所述的冗余譜圖。
5.一種串聯(lián)質(zhì)譜譜圖鑒定方法，包括步驟1)、輸入待解析的串聯(lián)質(zhì)譜譜圖，所述待解析的串聯(lián)質(zhì)譜譜圖中已包含有該譜圖 的母離子質(zhì)量和電荷，以及各譜峰的質(zhì)荷比和強(qiáng)度；步驟2)、從由權(quán)利要求1-4之一所得到的譜圖數(shù)據(jù)庫中為所述待解析的串聯(lián)質(zhì)譜譜圖 找出候選譜，所述候選譜與待解析的串聯(lián)質(zhì)譜譜圖的母離子電荷相同且質(zhì)量誤差在第一閾 值范圍內(nèi)；所述第一閾值的范圍大于常見蛋白質(zhì)翻譯后修飾的質(zhì)量范圍；步驟3)、將待解析的串聯(lián)質(zhì)譜譜圖與所述候選譜中的各個譜圖做匹配打分，根據(jù)匹配 打分結(jié)果找出匹配度最高的候選譜作為鑒定結(jié)果。
6.根據(jù)權(quán)利要求5所述的串聯(lián)質(zhì)譜譜圖鑒定方法，其特征在于，所述譜圖數(shù)據(jù)庫還包 括誘餌譜圖，所述誘餌譜圖為預(yù)期作為錯誤鑒定結(jié)果的譜圖；所述方法還包括步驟4)、根據(jù)待解析的串聯(lián)質(zhì)譜譜圖鑒定結(jié)果來自所述優(yōu)化譜和所述誘餌譜的數(shù)量， 對鑒定結(jié)果進(jìn)行整體上的假陽率評估。
7.根據(jù)權(quán)利要求5或6所述的串聯(lián)質(zhì)譜譜圖鑒定方法，其特征在于，所述步驟3)包括 步驟3-1)、依次分析待解析的串聯(lián)質(zhì)譜譜圖中的每一根譜峰，從所述候選譜中查找與其匹配的譜峰；在查找匹配譜峰的過程中要考慮由潛在修飾引入的部分譜峰質(zhì)荷比的改 變；步驟3-2)、在確定待解析的串聯(lián)質(zhì)譜譜圖與所述候選譜所匹配的譜峰后，根據(jù)譜峰的匹配情況分別計算用于衡量某一候選譜與某一待解析串聯(lián)質(zhì)譜譜圖間相似性的相似性分 數(shù)，以及用于衡量某一候選譜與某一待解析串聯(lián)質(zhì)譜譜圖的匹配情況相對于其它候選譜是 否顯著的顯著性分?jǐn)?shù)；步驟3-3)、根據(jù)所述的相似性分?jǐn)?shù)與顯著性分?jǐn)?shù)計算匹配得分，選擇匹配得分最高的 候選譜作為鑒定結(jié)果。
8.根據(jù)權(quán)利要求7所述的串聯(lián)質(zhì)譜譜圖鑒定方法，其特征在于，所述相似性分?jǐn)?shù)的計 算公式如下 v待解析譜圖的譜峰v候選譜圖& 候選譜圖的譜峰其中，、和L分別表示所涉及到的待解析譜和候選譜的譜峰強(qiáng)度。
9.根據(jù)權(quán)利要求7所述的串聯(lián)質(zhì)譜譜圖鑒定方法，其特征在于，對所述顯著性分?jǐn)?shù)的 計算如下步驟a)、定義待解析譜圖中強(qiáng)度排名前n的譜峰為主力譜峰，定義發(fā)生在一根主力譜 峰和一根被標(biāo)注譜峰之間的譜峰匹配叫做有力的匹配，設(shè)&為第i張候選譜圖中被標(biāo)注的 譜峰個數(shù)，設(shè)ki為待解析譜圖和第i張候選譜圖匹配時發(fā)生的有力的匹配次數(shù)；步驟b)、當(dāng)該待解析譜圖與這W張候選譜圖匹配時，某一根主力譜峰與某一根被標(biāo)注 譜峰匹配上的概率p為 步驟c)、對于該待解析譜中的某一根主力譜峰與第i張譜圖中的譜峰進(jìn)行匹配時，發(fā) 生有力的匹配的概率P為 步驟d)、該待解析譜與第i張候選譜圖進(jìn)行譜峰匹配時，發(fā)生不少于&次有力匹配的 概率p_value為 步驟e)、所述顯著性分?jǐn)?shù)為
全文摘要
本發(fā)明提供一種譜圖數(shù)據(jù)庫的生成方法，包括選取已解析的實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖，所述已解析的串聯(lián)質(zhì)譜譜圖中包括母離子肽序列、電荷、修飾類型和位點(diǎn)在內(nèi)的信息；從所述已解析的實(shí)驗(yàn)串聯(lián)質(zhì)譜譜圖中去除冗余譜圖，得到代表譜；將所述代表譜所對應(yīng)的母離子肽序列按理論碎裂模式進(jìn)行劃分，得到與所述代表譜相對應(yīng)的理論譜；合并所述代表譜與所對應(yīng)的理論譜，得到優(yōu)化譜；對所述優(yōu)化譜做譜峰標(biāo)注，由譜峰標(biāo)注后的優(yōu)化譜生成譜圖數(shù)據(jù)庫。本發(fā)明還提供了一種串聯(lián)質(zhì)譜譜圖鑒定方法。本發(fā)明在將候選譜與待解析串聯(lián)質(zhì)譜譜圖匹配的過程中，考慮了可能由潛在修飾引入的譜峰質(zhì)荷比偏移，使得含修飾的碎片離子譜峰得到匹配，達(dá)到更好的修飾譜圖鑒定效果。
文檔編號G01N27/62GK101871945SQ201010208640
公開日2010年10月27日 申請日期2010年6月13日 優(yōu)先權(quán)日2010年6月13日
發(fā)明者付巖, 葉叮, 孫瑞祥, 賀思敏 申請人:中國科學(xué)院計算技術(shù)研究所