论文部分内容阅读
串联质谱技术是蛋白质组学研究中的关键技术，也是大规模蛋白质序列和修饰鉴定的主要方法。常规鉴定方法(如序列库搜索)对串联质谱谱图的鉴定率还比较低，通常不到30％，而提高谱图的鉴定率一直都是计算蛋白质组学研究的核心内容之一。质量较差谱图和含未知修饰谱图的存在是导致谱图鉴定率较低的两个重要因素，前者可以通过谱库搜索方法的高灵敏度优势来获得鉴定，后者可以利用开放式搜索方法来得到鉴定。然而，目前还没有能够有效结合谱库搜索和开放式搜索的算法。因此，设计并实现一种具有开放式搜索功能的谱库搜索引擎成为了蛋白质组学领域中的一项迫切需求。本文设计并实现了第一个开放式谱库搜索引擎pMatch，并尝试了在多个方面的实际应用。
首先，根据现有谱库搜索引擎的不足，本文针对开放式搜索的特点，设计了一个包括建库、搜库和评价完整质谱鉴定流程的谱库搜索引擎。在建库时，利用肽序列信息对谱库中的实验谱图进行优化，使其适应由于某些修饰所引起的肽段碎裂模式的改变。在搜库时，通过标注谱峰的电荷来准确确定潜在修饰可能引入的谱峰质荷比偏移现象，提高了谱峰匹配精度；同时，采用了点积分数与概率分数相结合的谱图相似度打分方法，体现了谱图匹配的显著性。在评价上，应用基于“目标-诱饵”谱图的方法控制鉴定结果的假阳率。在多个数据集上的测试结果表明，本文提出的算法相对常规谱库搜索引擎对修饰谱图的鉴定具有明显的优势；在序列库搜索方法的基础上，开放式谱库搜索可以大幅度提高谱图的鉴定率。
其次，针对用户的需求和算法自身的特点，本文将上述算法精细地实现到 pMatch软件中。在开发过程中，广泛使用了面向对象设计模式，采用了统一的规范编码实现；同时，还从各方面考虑了软件的实用性(如大规模数据集的批处理等)与功能的健全性(如支持多种常见数据格式等)。最终，pMatch成为了一种易使用、易维护的开放式谱库搜索引擎。
最后，本文利用pMatch软件从多个方面进行了开放式谱库搜索的应用研究。第一，pMatch鉴定到了更多的核心岩藻糖修饰谱图，基于此建立了基于Web的核心岩藻糖修饰蛋白质数据库系统CFGP，提供pMatch的在线搜索等服务；第二，pMatch同其它质谱数据分析软件构成完整鉴定流程，深度解析了ISB标准蛋白质数据集，成功鉴定了87%的谱图。第三，pMatch在其它多个数据集的分析中作为序列库搜索的补充，显著提高了谱图的鉴定率并发现了多种修饰。所有这些具体的应用都表明了开放式谱库搜索引擎pMatch在蛋白质组学诸多方面的实际应用价值。