[发明专利]基于质荷比误差识别能力的蛋白质二级质谱鉴定方法

说明书

技术领域

本发明涉及蛋白质二级质谱鉴定领域，特别是涉及一种基于质荷比误差识别能力的蛋白质二级质谱鉴定方法。

背景技术

生物质谱技术的运用使得大规模自动化的蛋白质鉴定成为现实，生物实验和质谱技术相结合能在短时间内产生大量的实验质谱数据.因此，在蛋白质组学研究中，二级质谱数据处理是一项非常重要的研究内容，其目的是从带有噪声或者部分信息缺失的数据中推断样品蛋白质的组成。目前推断样品蛋白质组成的方法主要有两种：一是数据库搜索，二是DeNovo测序.其中数据库搜索是质谱数据处理中使用最为广泛的方法，其基本过程如图1所示：将实验所得图谱与数据库中理论酶切图谱进行比对并打分，将匹配分值最高的肽段作为候选肽段.

蛋白质二级质谱鉴定主要包括以下几个方面内容：母离子价态的确定、有效质谱峰的选取、匹配打分模型的构建以及针对鉴定结果进行整体质量控制.其中对鉴定结果进行整体质量控制的方法多样，其中广泛采用的方法是应用随机数据库对整体鉴定结果进行发现率控制.其基本思想是：首先，对真实蛋白质数据库和实验数据集构建一个随机数据库；然后，同时或者分别搜索真实蛋白质数据库和新构建的随机数据库，通过随机数据库肽段匹配来模拟正常数据库中的随机匹配，从而估计正常数据库中随机匹配的特征分布，以确定不同的过滤标准，Kall’s于2008年在Proteome上公开了一种方法，具体是采用如下公式来得到整体数据集的假发现率(FalseDiscoveryRate，FDR)：

FDR=NRNN]]>

打分模型是蛋白质二级质谱鉴定算法的核心，目前主要可分为两类：解释型模型和概率统计模型.两者中最具代表的商业软件分别是SEQUEST和Mascot。另外还有一些免费的鉴定算法，例如基于超几何模型的X！Tandem，基于泊松分布模型的OMSSA以及近期发表在Journal of Proteome Research上基于二项分布模型的ProVerB.综合目前蛋白质二级质谱鉴定算法，其打分过程中主要考虑以下三方面的特征信息：(1)峰的匹配(2)峰的连续匹配(3)峰强度的匹配。其中(1)、(2)已被广泛融入到算法构建中，而特征信息(3)却很少被考虑到，上述ProVerB通过将(3)融入到打分模型中，极大地提升了肽段鉴定量和有效图谱量，取得了优于Mascot和Sequest的效果。为蛋白质结构信息和功能域的研究提供了极为有力的工具，但是对于质荷比误差识别能力这个重要的特征信息，却均未涉及到。

因此，融入质荷比误差识别能力这个特征信息，继而研究一种能明显提高蛋白质有效质谱数量与蛋白质肽段数量的二级质谱鉴定方法具有很高的理论和实用价值。

发明内容

有必要提供一种能明显提高蛋白质有效质谱数量和蛋白质肽段数量的基于质荷比误差识别能力的蛋白质二级质谱鉴定方法。

一种基于质荷比误差识别能力的蛋白质二级质谱鉴定方法，包括如下步骤：

(1)虚拟酶解蛋白质数据库序列，并根据肽段的质量数对酶解后的肽段建立肽段数据库和肽段数据库索引；

(2)根据待分析实验图谱中母离子去电荷后的质量数在步骤(1)所述的肽段数据库中找出符合要求的候选肽段；

(3)对待分析实验图谱进行去同位素峰和选取有效峰处理；

(4)产生符合候选肽段理论图谱的实验标记图谱；

(5)统计不同离子的质量误差信息，并计算出不同离子类型在不同区间内的质荷比误差识别能力；

(6)对每个候选肽段基于质荷比误差识别能力进行打分，选择得分最高的肽段作为此实验图谱的鉴定结果，并对鉴定结果进行整体质量控制。

在其中一个实施例中，步骤(4)具体包括如下步骤：

1)产生候选肽段可能产生的理论碎片b、y离子；

2)若步骤1)产生b、y离子中包含S、T、E和D四种氨基酸中的一种则产生对应的丢水碎片离子b-H₂O和y-H₂O；

3)若步骤1)产生b、y离子中包含R、K、Q和N四种氨基酸中的一种则产生对应的丢氨碎片离子b-NH₃和y-NH₃；