[发明专利]一种从头测序方法

说明书

本发明提一种从头测序方法，该方法包括：在通过酶切产生的两个数据集中查找镜像肽段对应的镜像谱图；从所述镜像谱图中检测高可信谱峰和普通谱峰；根据所述高可信谱峰和普通谱峰构建有向无环图，其中，所述高可信谱峰对应的结点是高可信结点，普通谱峰对应的结点是普通结点；基于所构建的有向无环图生成候选肽段。本发明的方法利用镜像谱图相互佐证，能够提高肽段从头测序的准确率。

技术领域

本发明涉及生物信息技术领域，尤其涉及一种从头测序方法。

背景技术

目前，基于质谱数据的蛋白质鉴定方法分为两类：数据库搜索和肽段从头测序。由于蛋白质数据库的不断发展和完善，数据库搜索是鉴定蛋白质的主要方法。然而，由于从头测序方法不依赖于现有的数据库，其根据肽段有规律碎裂的特点，直接从谱图中推导出肽段序列，对于鉴定未知蛋白质、翻译后修饰以及氨基酸突变等具有数据库搜索方法不可替代的优势。

现有的从头测序方法主要分为三类：化学标记技术、质谱技术和基于算法的测序。基于化学标记技术的方法，可以将肽段的N端、C端、或者两者同时进行标记，使得信号离子拥有质量差信息，通过质量差信息来有效区分信号峰以及噪音峰，例如，使用¹⁸O的H₂O进行标记，使得所有y离子均有2Da(Dalton)的质量偏差，从而有效的区分b离子和噪声峰；基于质谱技术的方法，采用三级谱碎裂技术，在常规的二级谱基础上，选择高峰再次进行碎裂，使得谱图的信噪比更高、数据质量更好，此外，基于质谱技术的方法还可利用不同碎裂方式的结合，例如CID+ETD、HCD+ETD、CID+HCD+ETD，或者利用最近出现的激光的UVPD(351nmultraviolet photodissociation)碎裂方式，该种方式会产生明显多的y离子系列，几乎很少的b离子，这样不用去识别每根峰的离子类型(b还是y)；基于算法的测序方法包括：Open-pNovo、Novor、Uvnovo和DeepNovo等，其中Open-pNovo使用RankBoost排序方法对结果进行重排序，Novor使用决策树为氨基酸以及肽段进行打分，Uvnovo使用随机森林为每条肽段进行打分，DeepNovo使用深度学习来推断下一个氨基酸类型。

然而，现有的从头测序方法存在两个问题：1)离子碎裂不全，从而无法区分AB和BA两种情况，导致相当多的谱图无法使用从头测序方法获取完整肽段；2)谱峰的离子类型未知，一般认为一根峰只能匹配一种类型的离子，因此，在谱峰的离子类型未知的情况下，需要枚举每根峰的离子类型，在计算候选肽段时需要考虑反对称约束进行求解，而这是个NP难(NP-hard)问题。

因此，需要对现有技术进行改进，以克服从头测序方法存在的缺陷。

发明内容

本发明的目的在于提供一种改进的肽段从头测序方法，其利用镜像谱图互相佐证来提高肽段鉴定的准确度。

根据本发明的第一方面，提供了一种从头测序方法。该方法包括以下步骤：

步骤1：在通过酶切产生的两个数据集中查找镜像肽段对应的镜像谱图；

步骤2：从所述镜像谱图中检测高可信谱峰和普通谱峰；

步骤3：根据所述高可信谱峰和普通谱峰构建有向无环图，其中，所述高可信谱峰对应的结点是高可信结点，普通谱峰对应的结点是普通结点；

步骤4：基于所构建的有向无环图生成候选肽段。

在本发明的从头测序方法中，所述两个数据集是使用胰蛋白酶在氨基酸K、R的C端酶切产生的数据集以及使用镜像胰蛋白酶在氨基酸的K、R的N端酶切产生的数据集。