基于数据库检索的串联质谱鉴定技术课件

1、提纲肽鉴定问题已有肽打分算法我们的工作未来计划2-D gelWash, in-gel digest with trypsinExcise spot蛋白质鉴定结果:KFDFDSFTFJYMKOJDFGFDDTGIPDGFAGFFGHYAQGGITFRHEW肽鉴定结果:IPDGFAGAQGGITFRDe novo搜索数据库搜索数据库肽鉴定问题输入：给定实验串联质谱S肽序列数据库D = pep1, pep2, , pepn;实验条件C输出：在条件C下，D中最可能生成质谱S的肽序列pep*肽鉴定算法的性能取决于我们预测质谱的能力碎裂模式、碎片离子的类型和强度我们仅仅知道一些简单的规则离子质荷比的检测误

2、差、噪音已有肽打分方法基于谱点积 (SDP) 早期软件: Shared Peak Count SEQUEST: XCORRSonar MS/MS: SDP基于概率MascotSCOPEProbID谱点积 (SDP) 实验质谱向量c = c1, c2, cN 理论质谱向量t = t1, t2, tN 谱点积 (SDP)评述准确性取决于对理论质谱的预测准确度，现有软件和算法对理论谱的预测准确性有限；忽略了碎片离子之间的相关性，所有离子匹配被同等对待，错误的随机匹配导致假阳性鉴定结果。概率肽打分基于各种假设在不同层次上建立概率模型Max p( peptide | spectrum )=Max p(

3、spectrum | peptide )p( peptide )评述基本条件概率依赖于先验假定, 或者缺乏有效的学习手段；为了使概率公式可计算，不得不做严格假设. 比如离子独立性；我们的工作利用离子相关性降低随机错误匹配，例如连续离子的情况技巧：核函数(对连续离子加权)离子阵列和相关窗口质谱向量的矩阵形式T=, C=实验谱理论谱核技巧Locally improved polynomial kernelRef: Scholkopf et al (1998) Prior knowledge in support vector kernels. 核谱点积cj 是以 cpq为元素的向量, tj是以 t

4、pq为元素的向量, tpq和tpq是矩阵C和T中第j个相关窗口中的元素k(cj,tj) 是核函数,点积核x, y (KSDPSDP)多项式核x, yd RBF核exp(|xy |2)KSDP把质谱向量映射到一个高维空间，这个空间的维对应于相关离子的组合；软件: pFind 实验数据离子阱串联质谱来自18个纯蛋白Dataset A: 1323个串联质谱Dataset B: 731个串联质谱ReferenceKeller et al. (2002) Experimental protein mixture for validating tandem mass spectral analysis.

5、Omics, 6, 207212.KSDP vs. SDP 多项式核 RBF 核(cik和, tik, ci和ti 取0/1值)横坐标：鉴定错误率； 纵坐标：参数 dataset BpFind vs. 其他软件假阳性结果数量比较更多细节Yan Fu, Qiang Yang, Ruixiang Sun, Dequan Li, Rong Zeng, Charles X. Ling, Wen Gao. Exploiting the kernel trick to correlate fragment ions for peptide identification via tandem mass spectrometry. Bioinformatics, 20: 1948-1954, 2004.未来计划