[发明专利]一种提高质谱磷酸化修饰位点鉴定通量和准确性的方法

权利要求书

1.一种提高质谱磷酸化修饰位点鉴定通量和准确性的方法，其特征在于，包括以下步骤：

(1)将预先选定的磷酸化组质谱数据库中多个样本的质谱鉴定磷酸化修饰组原始数据用多种搜库引擎按预先设定的初始假阳性率FDR要求进行重新搜库；

(2)将所述步骤(1)中多种搜库引擎鉴定到的磷酸化修饰位点进行去冗合并，得到训练集；

(3)将所述步骤(2)得到的训练集作为机器学习输入样本，该训练集中的每一个位点在每种搜库引擎当中的最高分值作为特征值，构建基于训练数据的机器学习模型；

(4)利用所述步骤(3)得到的模型，对所述步骤(2)得到的训练集中的各个磷酸化修饰位点进行重新预测或者对其他未知样本集中的各个磷酸化修饰位点进行预测，得到每个位点的打分排序，再利用该打分筛选出假阳性率FDR满足预先设定的目标假阳性率FDR要求的位点，从而得到各搜库引擎工具整合之后的总位点；

并且，所述步骤(4)中的所述预先设定的目标假阳性率FDR要求要严于所述步骤(1)中的所述预先设定的初始假阳性率FDR要求。

2.如权利要求1所述提高质谱磷酸化修饰位点鉴定通量和准确性的方法，其特征在于，所述步骤(1)中，所述多种搜库引擎为至少3种搜库引擎。

3.如权利要求2所述提高质谱磷酸化修饰位点鉴定通量和准确性的方法，其特征在于，所述步骤(2)还对所述训练集中的数据进行阳性样本和阴性样本的标记；对于任意一个数据，若被至少2种搜库引擎鉴定到，则被标记为阳性样本；否则，被标记为阴性样本。

4.如权利要求1所述提高质谱磷酸化修饰位点鉴定通量和准确性的方法，其特征在于，所述步骤(1)中，所述多种搜库引擎选自MaxQuant、pFind、MyriMatch、Comet、MS Amanda、MS-GF+、Tide、X！Tandem、OMSSA。

5.如权利要求1所述提高质谱磷酸化修饰位点鉴定通量和准确性的方法，其特征在于，所述步骤(3)中，所述训练具体是基于逻辑回归训练。

6.如权利要求1所述提高质谱磷酸化修饰位点鉴定通量和准确性的方法，其特征在于，所述方法还包括步骤：

(5)利用所述步骤(4)得到的总位点进行磷酸化修饰定量，得到磷酸化肽段强度。

7.如权利要求1-6任意一项所述提高质谱磷酸化修饰位点鉴定通量和准确性的方法，其特征在于，所述步骤(1)中的所述预先设定的初始假阳性率FDR要求为假阳性率FDR小于2％；

所述步骤(4)中的所述预先设定的目标假阳性率FDR要求为假阳性率FDR小于1％。

8.如权利要求1-7任意一项所述提高质谱磷酸化修饰位点鉴定通量和准确性的方法，其特征在于，所述步骤(1)中，所述预先选定的磷酸化组质谱数据库为PRIDE数据库和CPTAC数据库。