[发明专利]一种基于离子索引的整体蛋白质鉴定方法

说明书

本发明涉及一种基于离子索引的整体蛋白质鉴定方法与系统，其流程包括质谱的预处理、蛋白质变体的鉴定和可信度打分，其中在质谱的预处理过程中增加母离子在多电荷状态下理论与实验同位素模式匹配误差之和作为特征进行母离子候选电荷范围的剪枝及候选母离子的打分排序，在蛋白质变体的鉴定过程中使用序列标签技术获取候选蛋白质，并使用母离子质量约束，及蛋白质枚举的两翼标签和质谱上提取的标签来获取所有可能的两端截断的候选蛋白质序列，最后使用滑动窗口技术进行优化。本发明通过以上技术创新，能够在鉴定系统维持高效的基础上，提高了鉴定算法的灵敏度和速度，增加了可检测蛋白质的数量范围。

技术领域

本申请总地涉及生物信息学，具体来说，涉及生物信息学中的蛋白质鉴定领域，更具体涉及一种基于离子索引的整体蛋白质鉴定方法与系统。

背景技术

生物信息学是包含了分子生物学、遗传学、计算机科学、数学和统计学等多个学科的综合性学科。该学科通过计算的角度来解决大规模、密集的生物问题。最常见的处理方式是从分子层面上对生物过程进行建模，并从收集到的数据中进行推论(参见LeskA.Introduction to bioinformatics[M].Oxford university press,2014.)。组学(Omics)作为生物信息学中一个重要研究方向，包括了基因组学(Genome)、蛋白质组学(Proteome)和代谢组学(Metabolome)等。随着人类基因组计划的完成，蛋白质组学(Proteomics)已经逐渐成为了21世纪生物学的热点研究方向。蛋白质组学致力于通过研究蛋白质通路和网络结构来分析细胞和器官所形成的信息流，进而最终理解与发现蛋白质的相关功能(参见Horgan R P,Kenny L C.The Obstetrician Gynaecologis,2011,13(3):189-195)。

发明内容

本本发明的目的为解决以上问题，根据母离子多电荷的特性，对于每一个母离子计算在多电荷状态下理论与实验同位素模式匹配误差之和，根据该特征进行母离子候选电荷范围的剪枝及候选母离子的打分排序，最终实现快速、精准地导出可信母离子。此外，本申请使用序列标签技术实现了N/C端多端截断的蛋白质鉴定。使用序列标签技术获取候选蛋白质，并使用母离子质量约束，及蛋白质枚举的两翼标签和质谱上提取的标签来获取所有可能的两端截断的候选蛋白质序列，最后使用滑动窗口技术进行优化。

具体的，本发明的一个方面公开了一种基于离子索引的整体蛋白质鉴定方法，包括：

步骤1，获得候选蛋白质的串联谱图和可信母离子；

步骤2，对候选蛋白质建立序列标签索引表；

步骤3，根据修饰数据库中的信息以及用户设置的修饰数目建立修饰质量索引；

步骤4，从所述串联谱图中提取查询谱峰，用所述查询谱峰检索所述序列标签索引表，获取每张串联谱图的候选蛋白质；

步骤5，对于所述候选蛋白质检查其N/C端截断情况，为每个所述候选蛋白质保留有效序列片段；

步骤6，对每一个所述候选蛋白质序列，根据其母离子质量偏差检索所述修饰质量索引，获取候选修饰组合，得到候选蛋白质变体；

步骤7，对每一个所述候选蛋白质变体进行修饰位点定位和细打分，使用SVM模型对所有串联谱图的所述候选蛋白质变体进行重打分，得到每个候选蛋白质变体的SVM分值，其中所述SVM模型是通过将与各个串联谱图匹配的样本蛋白质变体作为训练样本训练得到的；

步骤8，取每张串联谱图SVM打分第一名的蛋白质变体结果，将所有的蛋白质变体-谱图匹配(Proteoform-Spectrum Match,PrSM)按照打分排序。

在本发明的另一个方面，所述步骤1包括：