[发明专利]结合二级质谱和机器学习算法的蛋白质组无标记定量方法

说明书

技术领域

本发明属于基于质谱技术的蛋白质组学定量方法，具体地涉及了一种结合二级质谱强度和机器学习算法的蛋白质组无标记绝对和相对定量方法。

背景技术

基于质谱的蛋白质组学技术已逐渐由定性转为定量。定量蛋白质组学对于疾病生物标志物的发现等具有重要作用。组学规模的绝对定量可以让我们动态监测样品中的蛋白质在时空中的变化情况。目前单个或几个蛋白质的量可以通过加入已知量同位素标记的肽段或蛋白获得，但蛋白质组学规模的绝对定量仍然只能由无标记的实验策略结合新型的计算方法来实现。

绝对定量的计算方法经历了几个阶段的发展：从最初基于序列覆盖率的emPAI方法到基于二级质谱图计数(SC)的NSAF方法，再到后来基于二级质谱中匹配上理论碎片的离子强度加和的SI_N方法。但这些方法都没有考虑到不同性质的肽段在液质联用系统上响应不同的问题。Lu等在2007年发表了APEX方法(Lu Peng,Vogel Christine,Wang Rong,Yao Xin,and Marcotte Edward M,Nat.Biotechnol.,2007,1,117-124)，第一次将肽段在液质联用系统上的响应概率引入到蛋白质组绝对定量中。他首先根据肽段的序列计算每条肽段的不同理化性质，再结合肽段在质谱上是否被检测到，利用这些信息构建训练数据集，然后用机器学习算法对训练数据集进行训练并生成预测模型用以预测定量数据集中的理论肽段在同一系统上的响应概率，然后将一个蛋白所有理论肽段的响应概率累加作为该蛋白的校正因子。最后采用SC作为定量依据，结合校正因子、蛋白的鉴定概率和样品中的蛋白总量计算每个蛋白的绝对量。目前该方法已由Braisted等用Java编程语言封装成软件，称之为APEX Quantitative Proteomics Tool(Braisted John,Kuntumalla Srilatha,Vogel Christine,Marcotte Edward,Rodrigues Alan,Wang Rong,Huang Shih-Ting,Ferlanti Erik,Saeed Alexander,Fleischmann Robert,Peterson Scott,Pieper Rembert,BMC Bioinformatics,2008,9:529doi:10.1186/1471-2105-9-529)。但是，基于SC的方法存在着各种缺点例如准确度不高、对计数过小的蛋白难以定量等。Asara(Asara John M,Christofk Heather R,Freimark Lisa M and Cantley Lewis C,Proteomics,2008,5,994-999)等发现采用归属于一个蛋白的所有二级质谱图中的全部碎片离子强度加和再除以此蛋白的SC比单纯使用SC作为定量依据能增大定量的线性范围。但是这种方法没有考虑肽段在液质联用系统上的响应差异问题，导致相同量的不同蛋白的计算值差异较大，即定量结果不够准确。

发明内容

本发明的目的是结合现有方法的优点并克服它们各自的缺点，进一步提高定量的准确度。本发明提供了一种采用二级质谱强度作为定量依据并引入机器学习算法校正不同性质的肽段在液质联用系统上响应差异问题的新方法用于蛋白质组水平的绝对和相对定量。相比已有方法，该方法能明显提高定量的准确度。

本发明中的方法包括如下步骤(图1)：