论文部分内容阅读
质谱技术已经成为了蛋白质组学研究中的核心技术。质谱数据是蛋白质组信息挖掘的主要源头,质谱数据处理则是计算蛋白质组生物信息学的关键。如何从相对简单的物理信号解析出复杂的肽段信息,并且延伸至具体的生物学问题,是蛋白质组分析必须要面对的巨大挑战。本文致力于研究与质谱数据处理相关的4个热点和难点问题:(1)串联质谱图谱质量评估。蛋白质组学中高通量的质谱实验通常会生成海量的二级图谱数据,但是绝大多数图谱因质量太低而不能在后续的研究中加以使用,在数据库搜索之前过滤掉大部分低质量图谱是加快处理速度的策略之一。本文首先使用线性回归方法校正了肽序列长度估计,使得部分图谱特征的计算更为精确,接着提出了一种串联质谱图谱质量评估方法,计算了4种类型质谱仪生成数据的图谱质量评估模型,使用2个不同来源的数据集测试了该方法,并与常用算法msmsEval作比较。结果显示,该方法具有更好的分类效果。基于该方法,开发了串联质谱图谱质量评估软件VSMS。(2)肽序列标签生成。肽序列标签生成试图直接解析串联图谱,利用图谱离子峰之间的关系推断肽段序列,被广泛应用于蛋白质序列鉴定和翻译后修饰位点发现等相关问题研究。针对二价串联质谱图谱,本文提出了一种新的肽序列标签生成方法,在该方法中应用了一种新的打分函数,使用2个不同来源的数据集评估了该方法,并与得到广泛应用的同类方法InsPecT作比较,结果显示,本文提出的方法在3个主要指标上具有更高的精度。基于该方法,开发了肽序列标签生成软件TVNovoTag。(3)串联质谱图谱从头测序。该问题是计算蛋白质组学中最具挑战性的问题之一,常用于发现新肽段和新蛋白质。针对LTQ-FT仪器生成的二价串联质谱,本文提出了一种新的肽序列从头测序方法,使用2个不同来源的数据集测试了该方法,并与得到广泛应用的同类方法PepNovo和NovoHMM作比较,结果显示,本文提出的方法在大多数评估指标上具有更好的效果。基于该方法,开发了串联质谱图谱从头测序软件TVNovo。(4)稳定同位素标记定量质谱数据分析。随着实验技术的不断进步,大规模蛋白质定量在生物实验样本分析中得到了广泛应用。本文提出了一种基于最小二乘拟合和非线性优化的通用的定量算法及流程,设计了一种用于加速定量计算的二进制文件结构—IdxRaw文件,使用3个不同标记技术的数据集测试了本文的方法,讨论了稳定同位素定量算法发展中的若干重要问题。结果表明,本文的方法可以显著地加快定量信息提取过程,能够自动分解同位素峰簇,支持多重标记定量数据处理,具有较高的定量精度。基于该方法,开发了一种快速有效的稳定同位素定量数据分析工具软件SILVER。另外,生物信息学基础工具软件开发也是一项重要的研究内容,本文还说明了我们研制的2个软件Tmod和PNmerger。我们在Windows系统上开发了Tmod,当前版本共集成了12种广泛应用的模体识别软件。Tmod为这些软件提供统一的输入界面,可以帮助用户更好地理解各个参数的含义,用户可以单独执行某个软件,或者使用预先定义好的参数执行批处理任务。Tmod可以解析、比较和优化各个软件的计算结果,另外还支持新软件的扩展。对于一个蛋白质相互作用网络,PNmerger能够使用KEGG数据库中的通路信息自动注释网络中的蛋白质,并通过网络和通路的比较发现网络中已知的通路元件、潜在的通路元件和通路间的交联元件。PNmerger能够对网络中存在的通路模块进行可视化,并将连接通路间的交联元件突出显示出来。PNmerger能够有效地帮助实验人员发现网络中重要的功能线索,帮助实验人员进行实验设计。