论文部分内容阅读
Shotgun技术是大规模蛋白质鉴定的重要方法,能在一次实验中获得大量的数据,而这些数据的可靠性是蛋白鉴定的一个重要问题。当前关于鉴定结果质量控制的研究主要集中在肽段水平上,而对于蛋白质水平上的鉴定结果可靠性研究比较少,且这些研究中的评估方法所用的数据量都比较小,不足以说明方法的有效性。
在对现有shotgun蛋白质鉴定过程充分理解的基础上,建立了一个半随机抽样模型模拟大量数据搜索后鉴定结果,以期用该模型评估蛋白质概率计算过程中可能涉及到的影响因素,同时评估现有的蛋白质概率计算方法。
为了验证所建立的半随机抽样模型的可靠性,对一批标准蛋白质数据进行模拟,比较不同肽段数上的模拟的和真实的蛋白质或肽段数,发现两种结果基本相似,证明了该模型能基本代表真实的蛋白质鉴定过程。
基于一批人肝脏的数据,利用半随机抽样模型模拟的34批数据,对鉴定结果的数据量大小、搜索数据库大小和去高丰度蛋白质等影响蛋白质概率计算的因素进行了评估,发现随着数据库和数据量的增大蛋白质的总体阳性率都会下降,而去除高丰度的蛋白质在一定程度上能够提高蛋白质的真阳性率。同时,利用这些模拟数据,对目前常用的4种蛋白质概率计算方法进行了评估,发现PROT_PROBE能较好地区分鉴定结果中假阳性和真阳性蛋白质;ProteinProphet计算的蛋白质概率高于真实结果且区分度不佳;取双肽段以上(≥2个非冗余肽段)蛋白质的方法效果较好,但会受到数据库和数据量大小的影响:HPPP所采用的泊松模型在一定程度上能较准确地计算假阳性蛋白质鉴定数,但这种方法强烈依赖于单肽段的假阳性率。因此,总体而言,现有的各种方法在部分解决蛋白质水平质量控制的同时,都存在着各自的缺陷,至今尚无较成熟可靠的方法。
另外,随着蛋白质组学的发展,以及系统生物学研究的逐渐开展,需要高通量地进行蛋白质的相对定量。我们在目前所用的无标记定量方法的基础上,用EM算法进行了方法的改进,并利用已有研究发表的数据进行验证。结果表明,改进后的质谱数和蛋白质丰度的相关性比改进前有一定的提高。同时,利用这些数据对主要的几种基于鉴定蛋白质的质谱数定量模型进行比较,发现PAI模型最好,SpS模型次之,emPAI模型效果最差。
最后,本论文还进行了一个实用软件AutoMascot的开发研究,该软件能自动批量提交图谱数据进行Mascot搜索。AutoMascot不仅包括了Mascot的web服务方式和MascotDaemon的常用功能,也增加了远程访问Mascot搜索引擎、批量提交数据文件或文件夹、多种搜索结果文件格式和输出结果的展示等功能。