Standardised workflow for mass spectrometry-based single-cell proteomics data processing and analysis using the scp package
针对单细胞蛋白质组学数据分析流程不统一、缺乏基准真值难评估的问题,研究团队开发了基于R/Bioconductor的scp包,依托通用数据结构构建标准化分析框架,配套灵活的分步处理方案并通过基准真值数据集验证,为该领域提供统一的分析工具与流程参考。
2023-12-13 q-bio.QM
Feature extraction for proteomics imaging mass spectrometry data
成像质谱(IMS)通过提供收集空间分布的分子数据的途径,改变了蛋白质组学。使用基质辅助激光解吸电离(MALDI)IMS获取的质谱数据由数万个光谱组成,这些光谱是在组织切片表面的规则网格点处测量的。与更标准的液相色谱质谱法不同,MALDI-IMS保留了组织中固有的空间信息。出于区分MALDI-IMS数据中的细胞群和组织类型的需要,我们提出了一种集成的聚类和特征提取方法。我们使用表示离子存在/不存在的衍生二进制数据,因为这是数据中的基本信息。我们的方法利用的空间结构的数据在噪声去除和初始降维步骤和应用$k$均值聚类与余弦距离的高维二进制数据。组合平滑聚类产生空间局部聚类,其清楚地显示与癌症和各种非癌组织类型的对应关系。高维二进制数据的特征提取是用我们的发生比例差异(DIPPS)方法完成的,该方法对变量进行排名,并以数据驱动的方式选择一组变量。我们总结了最好的变量在一个单一的图像,有一个自然的解释。应用我们的方法从卵巢癌患者的数据显示良好的分离组织类型和密切的协议,我们的结果与病理学家确定的组织类型。
2016-02-04 q-bio.QM stat.AP
Revisiting the thorny issue of missing values in single-cell proteomics
本文探讨单细胞蛋白质组学中缺失值管理的挑战,分析插补方法的优缺点,并提出报告与编码缺失值的建议。
2023-07-11 q-bio.GN q-bio.QM
Open Mass Spectrometry Search Algorithm
蛋白质组学实验中产生的大量MS/MS肽谱需要高效、灵敏和特异的肽识别算法。在开放质谱搜索算法[OMSSA]中,使用显式模型通过经典概率评分计算特异性,用于将实验光谱与序列匹配。在默认阈值下,OMSSA比可比算法匹配更多来自标准蛋白质混合物的光谱。OMSSA被设计为在搜索大型MS/MS数据集时比已发布的算法更快。
2004-06-01 q-bio.QM
Accounting for multiple imputation-induced variability for differential analysis in mass spectrometry-based label-free quantitative proteomics
填补缺失值是无标记定量蛋白质组学中的常见做法。插补的目的是用用户定义的值替换缺失值。然而,在插补过程的下游,插补本身可能不会得到最佳考虑,因为插补数据集通常被认为是完整的。因此,没有充分考虑到归因于插补的不确定性。我们提供了一个严格的多重插补策略,导致一个较小的偏差估计的参数的变异性感谢鲁宾的规则。然后使用贝叶斯分层模型调节基于插补的肽强度的方差估计。该估计量最后被包括在调节t-检验统计量中以提供差异分析结果。此工作流程可用于定量数据集中的肽和蛋白质水平。对于基于肽水平定量数据的蛋白质水平结果,还包括聚集步骤。我们的方法,命名为mi 4p,比较了最先进的limma工作流程中实现的DAPAR R包,无论是在模拟和真实的数据集。我们观察到灵敏度和特异性之间的权衡,而mi 4p的整体性能在F评分方面优于DAPAR。
2021-08-16 q-bio.QM stat.AP stat.ME
TraianProt: a user-friendly R shiny application for wide format proteomics data downstream analysis
Faculty of Pharmacy, Complutense University of Madrid(马德里康普顿斯大学药学院);Microbiology and Parasitology Department, Faculty of Pharmacy, Complutense University of Madrid(马德里康普顿斯大学药学院微生物与寄生虫学系)
研究针对蛋白质组学数据下游分析难题,推出TraianProt平台,可分析多种质谱模式数据及多种输出格式,提供全面下游分析模块、统计框架,集成富集分析与网络分析,无需编程即可提取生物学见解,是蛋白质组学综合数据分析工具。
2026-07-22 q-bio.QM stat.AP
DeepRT: deep learning for peptide retention time prediction in proteomics
液相色谱中肽保留时间的准确预测在基于质谱的蛋白质组学中有许多应用。在这里,我们介绍了DeepRT,一种基于深度学习的肽保留时间预测软件。DeepRT使用深度卷积神经网络(CNN)和递归神经网络(RNN)模型直接从肽序列中自动学习特征,无需使用手工制作的特征或规则。在特征学习之后,采用主成分分析(PCA)进行降维,然后利用三种传统的机器学习方法进行建模。使用两个已发表的数据集来评估DeepRT的性能,我们证明DeepRT大大优于以前最先进的方法ELUDE和GPTime。
2017-05-15 q-bio.QM
Leveraging Retrieval-Augmented Generation and Large Language Models to Predict SERCA-Binding Protein Fragments from Cardiac Proteomics Data
本研究利用有限的心脏蛋白质组数据,通过检索增强生成和微调大语言模型,仅基于序列和生物物理特性预测蛋白质片段能否结合SERCA,并成功识别出多个候选蛋白,展示了LLM在有限数据下发现新蛋白质交互的潜力。
2025-02-26 q-bio.QM
RAId DbS: A Mass-Spectrometry Based Peptide Identification Web Server with Knowledge Integration
总结:在个性化的蛋白质组学时代的预期和需要整合的知识,从疾病的研究,我们已经扩大了我们的肽鉴定软件RAId DbS考虑到注释的单个氨基酸多态性,翻译后修饰,和他们的记录疾病的关联,同时分析串联质谱。为了促进新的发现,RAId DbS允许用户进行允许新多态性的搜索。可用性:网络服务器链接是http://www.ncbi.nlm.nih.gov/ dbs/index.html。适用于Linux、Windows和Mac OS X的RAId DbS的相关数据库和二进制文件可从同一网页获得。联系方式:yyu@ncbi.nlm.nih.gov
2008-03-17 q-bio.QM
Discovery of Proteomics based on Machine learning
蛋白质组学鉴定的最终目的是对生物体中的蛋白质进行鉴定和定量。基于无标记蛋白质定量的质谱(MS)主要集中在肽谱计数和离子峰高度的分析。使用几种观察到的肽(蛋白质型)可以鉴定来源蛋白质。然而,每个肽的可能性被检测到的肽的物理化学性质,这混淆了MS计数的结果严重影响。使用由四种不同类型的蛋白质组学平台生成的约一百万个肽鉴定,我们成功地鉴定了超过16,000个蛋白质型肽。我们使用机器学习分类来推导用于预测待观察的胰蛋白酶肽的数量的肽检测概率,这可以用于以高精度估计蛋白质的绝对丰度。我们利用CAS实验室提供的多肽数据,从不同的方法中推导出最佳模型。我们首先使用支持向量机和随机森林分类器来识别蛋白质型和未观察到的肽,然后搜索最佳参数以获得更好的预测结果。考虑到我们的模型的优良性能,我们可以计算蛋白质丰度的绝对估计。
2013-12-04 q-bio.QM
Fast Proteome Identification and Quantification from Data-Dependent Acquisition - Tandem Mass Spectrometry using Free Software Tools
使用数据依赖采集(DDA)质谱法在系统中识别几乎所有蛋白质已成为简单生物体(如细菌和酵母)的常规方法。尽管如此,所鉴定的蛋白质的定量可能是一个复杂的过程,并且需要多个不同的软件包。该方案描述了自下而上的蛋白质组学实验中蛋白质的鉴定和无标记定量。该方法可用于定量使用高分辨率前体扫描收集的任何DDA数据集中的所有可检测蛋白质。该方案可用于定量响应于药物治疗或基因敲除的蛋白质组重构。值得注意的是,该方法使用最新和最快的免费软件,整个方案可以在几个小时内完成,数据来自基因组相对较小的生物体,如酵母或细菌。
2018-11-28 q-bio.QM
Bayesian identification of protein differential expression in multi-group isobaric labelled mass spectrometry data
在本文中,我们开发了贝叶斯统计推断的方法,在多个实验的同量异位素标记的MS/MS蛋白质组数据的统一分析。开发了跨多个预定义组和实验的同量异位素标记的报告离子的对数强度的显式概率模型。然后,这被用来开发一个完整的贝叶斯统计方法学的差异表达的蛋白质的鉴定,相对于对照组,在多个组和实验。该方法被实施,然后在模拟数据和使用TMT标记协议的两个模型实验数据集(其中差异表达的蛋白质是已知的)上进行评估。
2014-07-24 q-bio.QM stat.AP
Protein Sequencing with an Adaptive Genetic Algorithm from Tandem Mass Spectrometry
在蛋白质组学中,只有从头肽测序方法允许从MS/MS谱中发现肽的部分氨基酸序列。在这篇文章中,提出了一个初步的工作,发现一个完整的蛋白质序列的光谱数据(MS和MS/MS光谱)。目前,我们的方法仅使用MS光谱。遗传算法(GA)已被设计与一个新的评价功能,它直接与一个完整的MS谱作为输入,而不是与质量列表像其他方法使用这种数据。因此,删除了需要人为干预的单同位素峰提取步骤。这种方法的目标是发现未知蛋白质的序列,并允许更好地了解实验蛋白质和数据库中蛋白质之间的差异。
2008-04-08 q-bio.QM
GA-Novo: De Novo Peptide Sequencing via Tandem Mass Spectrometry using Genetic Algorithm
蛋白质组学是对蛋白质的大规模分析。鉴定蛋白质和表征其氨基酸序列的常用方法是将蛋白质消化成肽,使用质谱法分析肽,并使用数据库搜索工具将所得串联质谱(MS/MS)分配给肽。然而,数据库搜索算法高度依赖于参考蛋白质数据库,并且它们不能识别不包括在数据库中的肽和蛋白质。因此,开发了从头测序算法以通过直接重建MS/MS谱的肽序列而不使用任何蛋白质数据库来克服该问题。目前的从头测序算法往往不能构建完全匹配的序列,并产生部分匹配。在这项研究中,我们提出了一种基于遗传算法的方法,GA-Novo,以解决复杂的优化任务从头肽测序,旨在构建全长序列。给定MS/MS光谱,GA-Novo优化氨基酸序列以最佳拟合输入光谱。在测试数据集上,GA-Novo的性能优于PEAKS,PEAKS是该任务中最常用的软件,构建的完全匹配肽序列数量高出8%,部分匹配序列的召回率高出4%。
2019-02-03 cs.CE q-bio.BM q-bio.QM
Mass-spectrometry of single mammalian cells quantifies proteome heterogeneity during cell differentiation
细胞异质性对包括癌症和发育在内的生物过程很重要。然而,蛋白质组异质性在很大程度上是未开发的,因为现有的方法的局限性定量蛋白质水平在单细胞。为了缓解这些限制,我们开发了单细胞蛋白质组学质谱(SCoPE-MS),并验证了其基于蛋白质组识别不同人类癌细胞类型的能力。我们使用SCoPE-MS定量了分化小鼠胚胎干细胞(ES)中的一千多种蛋白质。单细胞蛋白质组使我们能够解构细胞群体并推断蛋白质丰度关系。单细胞蛋白质组和转录组之间的比较表明协调的mRNA和蛋白质的共变。然而,许多基因在mRNA和蛋白质水平上表现出功能协调和不同的调控模式,这表明转录后调控机制有助于谱系特化过程中的蛋白质组重塑,特别是对于发育基因。SCoPE-MS广泛适用于测量单细胞的蛋白质组构型,并将其与功能表型(如细胞类型和分化潜能)联系起来。
2018-08-01 q-bio.GN q-bio.QM
Mining Temporal Patterns from iTRAQ Mass Spectrometry(LC-MS/MS) Data
大规模蛋白质组学分析正在成为生物学中的一项强大技术,并且在很大程度上依赖于由最先进的质谱仪获得的数据。与系统生物学中的任何其他领域一样,需要计算工具来处理这一数据海洋。iTRAQ(Isobaric Tags for Relative and Absolute quantification)是一种可同时定量多个样品中蛋白质的技术。虽然iTRAQ数据为生物学家提供了有用的见解,但由于其多重设计,执行分析和得出生物学结论更加复杂。一个这样的问题是找到在不同时间点之间以类似方式表现(即丰度变化)的蛋白质,因为蛋白质组学数据中的时间变化揭示了重要的生物信息。基于距离的方法,如欧氏距离或皮尔逊系数,和聚类技术,如k-均值等,是不能考虑到时间的信息的序列。在本文中,我们提出了一个线性时间算法聚类相似的模式之间的各种iTRAQ的时间过程数据,无论其绝对值。该算法被称为时间模式挖掘(TPM),将数据从笛卡尔平面映射到离散二进制平面。在映射之后,动态编程技术允许挖掘在时间上彼此更接近的类似数据元素。所提出的算法准确地聚类iTRAQ数据,时间上彼此接近,准确率超过99%。不同规模的问题的实验结果进行了分析,在质量的集群,执行时间和可扩展性的大型数据集。我们的蛋白质组学数据的一个例子是在年底提供展示的算法的性能和聚类时间序列的能力,而不管它们之间的距离。
2011-04-28 cs.CE cs.DB cs.DS
Subcellular proteome niche discovery using semi-supervised functional clustering
University of California, Santa Cruz(加利福尼亚大学圣克鲁兹分校);Marine Chemistry and Geochemistry Department, Woods Hole Oceanographic Institution(伍兹霍尔海洋研究所);Department of Biology, Mount Allison University(蒙茅斯阿尔金大学)
FSPmix通过半监督功能聚类方法,利用部分标记蛋白注释预测亚细胞蛋白质定位,提升对非模式生物亚细胞蛋白质组数据的分析与解读能力。
2025-12-08 q-bio.QM q-bio.SC stat.AP
Towards Less Biased Data-driven Scoring with Deep Learning-Based End-to-end Database Search in Tandem Mass Spectrometry
University of Waterloo(滑铁卢大学);Cheriton School of Computer Science(克里顿计算机科学学院)
提出首个基于深度学习的端到端串联质谱数据库搜索方法 DeepSearch,通过对比学习与改进 transformer 架构实现低偏差、无需统计估计的数据驱动评分,并支持零样本可变翻译后修饰分析。
2024-05-08 cs.AI q-bio.QM
Top-Down Mass Spectrometry Imaging of Intact Proteins by LAESI FT-ICR MS
激光烧蚀电喷雾电离是质谱成像的一个新发展。已经表明,脂质和小代谢物可以在各种样品中成像,例如植物材料、组织切片或细菌菌落,而无需任何样品预处理。此外,激光烧蚀电喷雾电离已显示出从液体或固体表面产生多电荷蛋白质离子。这提供了一种方法来解决质谱成像中最大的挑战之一;直接从生物组织表面识别蛋白质。这样的鉴定受到常见MALDI离子源中缺乏多电荷蛋白质以及难以对这样大的单电荷离子进行串联MS的阻碍。在这里,我们提出了自上而下的鉴定完整的蛋白质从组织与LAESI离子源结合的混合离子阱FT-ICR质谱仪。首先用具有ECD和IRMPD片段化的标准蛋白质测试系统的性能,以证明LAESI FT-ICR用于自上而下蛋白质组学的可行性。最后,对组织切片进行成像,测量大量完整蛋白质,并使用碰撞诱导解离和红外多光子解离碎片直接从组织中鉴定血红蛋白α链。
2013-09-04 physics.bio-ph q-bio.QM
Mass spectrometry based protein identification with accurate statistical significance assignment
动机:随着许多类型的Meta数据(通常以层次结构组装)被构建和组合用于进一步的生物学分析,准确地确定统计学意义变得越来越重要。Meta数据在任何层面上的统计不准确都可能传播到下游分析,破坏由此得出的科学结论的有效性。从基于质谱的蛋白质组学的角度来看,即使现在可以实现肽鉴定的准确统计,准确的蛋白质水平统计仍然具有挑战性。结果如下:我们已经构建了一个蛋白质ID方法,该方法基于先前推导的严格公式结合候选蛋白质的肽证据;在该公式中,在最终组合之前,根据其映射的蛋白质数量,对每个肽的数据库$P$值进行加权。我们还表明,这种蛋白质ID方法提供了准确的蛋白质水平$E$ -值,消除了使用经验后处理方法进行I型错误控制的需要。使用一个已知的蛋白质混合物,我们发现,这种蛋白质ID方法,当与Soric公式相结合,产生准确的值的比例错误的发现。在检索效率方面,从我们的方法的结果是可比的与其他方法测试。可用性:在Linux系统上用C++实现的源代码可以从ftp://ftp.ncbi.nlm.nih.gov/pub/qmbp/qmbp_ms/RAId/RAId_Linux_64Bit下载
2014-07-24 q-bio.QM
Mapping Differential Protein-Protein Interaction Networks using Affinity Purification Mass Spectrometry
本研究提出一种亲和纯化质谱(APMS)蛋白质组学方案,可量化并可视化成对条件下蛋白质-蛋白质相互作用网络的全局变化,详细覆盖从实验设计到数据分析的全流程,适用于多种细胞类型与生物学领域。
2024-05-15 q-bio.MN q-bio.QM
DeepQuality: Mass Spectra Quality Assessment via Compressed Sensing and Deep Learning
动机:基于质谱的蛋白质组学是生物学或医学研究中最常用的研究不同器官蛋白质组谱的方法之一。所有的蛋白质组学分析,包括肽/蛋白质鉴定和定量、差异表达分析、生物标志物发现等,都是基于质谱与肽序列的匹配,而质谱的匹配受到质谱质量的显著影响,例如峰数、噪声峰、信噪比等。为了在识别之后进行滤波和/或后处理,评估光谱的质量是至关重要的。然而,代表光谱质量的手工特征需要人工专业知识来设计并且难以优化,因此现有的评估算法仍然缺乏准确性。因此,有一个强大的和自适应的质谱质量评估算法的迫切需要。结果如下:我们基于最先进的压缩感知和深度学习算法开发了一种新型质谱评估软件DeepQuality。我们在两个公开的串联MS数据集上评估了该算法,分别得到AUC为0.96和0.92,与现有方法SpectrumQuality v2.0的AUC为0.85和0.91相比,有了显著的改善。可用性:软件可在https://github.com/horsepurve/DeepQuality上获得
2017-10-31 q-bio.QM
MassChroQ: A versatile tool for mass spectrometry quantification
最近,已经开发了许多软件工具来在LC-MS分析中进行定量。然而,它们中的大多数是特定于定量策略(例如无标记或同位素标记)或质谱系统(例如高或低分辨率)。在这种情况下,我们开发了MassChroQ,这是一种多功能软件,可通过提取离子色谱图的峰面积积分进行LC-MS数据比对和肽定量。MassChroQ适用于标记或不标记的定量,并且不限于高分辨率系统。感兴趣的肽(例如所有鉴定的肽)可以通过提供目标m/z和保留时间值来自动或手动测定。它可以处理包括蛋白质或肽分级分离(如SDS-PAGE,2D-LC)的大型实验。它是完全可配置的。每个处理步骤都是可追溯的,产生的数据是开放的标准格式,其模块化允许轻松集成到蛋白质组学管道中。输出结果可用于统计分析。MassChroQ对从低分辨率和高分辨率质谱仪获得的复杂无标记数据的评估显示技术再现性的CV较低(1.4%),与蛋白质量的相关系数较高(0.98)。MassChroQ在GNU通用公共许可证v3.0下可在http://pappso.inra.fr/bioinfo/masschroq/免费获得。
2011-09-26 cs.CE q-bio.QM
NovoBench: Benchmarking Deep Learning-based De Novo Peptide Sequencing Methods in Proteomics
Zhejiang University(浙江大学);Westlake University(西湖大学);University of Southern California(南加州大学)
针对从头肽测序领域缺乏统一评估基准、评价指标单一的问题,研究提出首个统一基准NovoBench,集成多种主流方法并补充多维度评估指标,通过大规模研究得出启发式发现以推动领域发展。
2024-10-31 cs.AI q-bio.QM
Improving the Results of De novo Peptide Identification via Tandem Mass Spectrometry Using a Genetic Programming-based Scoring Function for Re-ranking Peptide-Spectrum Matches
从头肽测序算法已被广泛用于蛋白质组学分析串联质谱(MS/MS),并将其分配给肽,但质量控制方法来评估从头肽测序的信心是落后的。质量控制方法的一个基本部分是用于评估肽谱匹配(PSM)质量的评分函数。在这里,我们提出了一个遗传编程(GP)为基础的方法,称为GP-PSM,学习PSM评分函数,以提高从MS/MS数据的信心肽鉴定率。GP方法从数千个MS/MS光谱中学习。从学习集中提取关于匹配的优良性的重要特征,并将其纳入GP评分函数中。我们比较了GP-PSM与支持向量回归(SVR)和随机森林(RF)两种方法。GP方法与RF和SVR一起用于通过PEAKS(一种常用的从头测序方法)对肽鉴定结果进行后处理。结果表明,GP-PSM优于RF和SVR,并准确区分正确和不正确的PSM。它在包含120个MS/MS谱图的评估数据集上将肽正确分配到10%以上的谱图,并降低肽鉴定的假阳性率(FPR)。
2019-08-12 cs.NE q-bio.QM
SpecHD: Hyperdimensional Computing Framework for FPGA-based Mass Spectrometry Clustering
University of California, San Diego(加利福尼亚大学圣迭戈分校);University of Antwerp(安特卫普大学)
提出SpecHD,一种基于FPGA和超维计算的质谱聚类框架,通过近存储预处理和并行计算,在5分钟内完成大规模数据聚类,能效提升超31倍,加速6-54倍。
2023-11-20 cs.AR cs.DC cs.LG
FIT: Tag based method for fusion proteins identification
人们对基因融合和嵌合RNA转录物的鉴定和分析越来越感兴趣。虽然最近的努力集中在基因组和转录组数据的分析,鉴定新的肽对应于这些事件在基于质谱的蛋白质组数据集将提供补充,蛋白质水平的证据。从质谱数据中识别融合蛋白的过程本质上是困难的,因为这样的事件是罕见的。由于收集的大量光谱和需要考虑的候选肽序列数量的爆炸,这也是复杂的,这使得对所有可能的融合伴侣蛋白的exhaustive搜索是不切实际的。在这项工作中,我们提出了一个基于序列标签的融合蛋白识别算法,FIT,它结合了从头序列标签检索和肽谱匹配的融合蛋白识别的优点。模拟数据集上的结果表明,FIT算法对融合蛋白的识别具有较高的灵敏度和较低的假阳性率。
2014-08-21 q-bio.GN q-bio.QM
Transformer-based de novo peptide sequencing for data-independent acquisition mass spectrometry
University of North Texas(北得克萨斯大学)
针对DIA质谱数据高度多重性导致的从头测序难题,提出基于Transformer的DiaTrans模型,显著提升氨基酸和肽段水平的精确度与召回率,优于现有方法。
2024-06-26 cs.AI q-bio.QM
MemNovo: Look Back at the Spectrum for Balanced De Novo Peptide Sequencing from Mass Spectrometry
Westlake University(西湖大学);Hunan University(湖南大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);HKUST-GZ & HKUST(香港科技大学(广州)与香港科技大学)
针对现有Transformer模型在从头肽段测序中过度依赖生成序列先验而忽视谱图证据的问题,提出训练无关的即插即用机制MemNovo,通过建立持久谱记忆库和超保守残差连接在解码阶段注入谱特征,显著提升氨基酸和肽段精度。
2026-08-06 cs.LG q-bio.QM
ContraNovo: A Contrastive Learning Approach to Enhance De Novo Peptide Sequencing
Shanghai Artificial Intelligence Laboratory(上海人工智能实验室)
针对传统从头肽测序算法精度瓶颈及深度学习方法易忽略质谱与肽段关键差异的问题,提出融合对比学习与质量信息解码的ContraNovo算法,在两个基准数据集上性能超越现有最优方案。
2023-12-18 cs.AI cs.LG q-bio.QM
DeepIso: A Deep Learning Model for Peptide Feature Detection
基于液相色谱-串联质谱(LC-MS/MS)的蛋白质组学是一个成熟的研究领域,其主要应用包括疾病生物标志物的鉴定、药物发现、药物设计和开发。在蛋白质组学中,蛋白质的鉴定和定量是一项基本任务,其方法是首先将其酶解成肽,然后通过LC-MS/MS仪器分析肽。从LC-MS图谱中检测和定量肽特征是典型分析工作流程的第一步。在本文中,我们提出了一种新的基于深度学习的模型DeepIso,该模型使用卷积神经网络(CNN)来扫描LC-MS图谱,以检测肽特征并估计其丰度。现有的工具通常基于领域知识设计有限的工程特征,并且依赖于预先训练的参数,尽管有大量新的蛋白质组数据,这些参数几乎不会更新。另一方面,我们提出的模型能够通过其多层神经元学习高维数据的多层表示,并随着新获取的数据不断进化。为了评估我们提出的模型,我们使用包括重链和轻链的抗体数据集,每个抗体数据集都被Asp-N、糜蛋白酶、胰蛋白酶消化,从而为实验提供六个LC-MS图。我们的模型在该数据集上实现了93.21%的灵敏度和99.44%的特异性。我们的研究结果表明,新的深度学习工具对于推进蛋白质识别和定量的最新技术是可取的。
2017-12-09 cs.NE physics.med-ph q-bio.QM
PointIso: Point Cloud Based Deep Learning Model for Detecting Arbitrary-Precision Peptide Features in LC-MS Map through Attention Based Segmentation
University of Waterloo(滑铁卢大学);Bioinformatics Solutions Inc.(生物信息学解决方案公司)
发现疾病生物标志物的一种有前途的技术是通过基于定量蛋白质组学的液相色谱串联质谱(LC-MS/MS)来测量多个生物流体样品中的相对蛋白质丰度。关键步骤涉及LC-MS图谱中的肽特征检测,以及其电荷和强度。现有的启发式算法遭受不准确的参数,因为不同的参数设置会导致显着不同的结果。因此,我们提出PointIso,以满足肽特征检测自动化系统的必要性,该系统能够找到适当的参数本身,并且易于适应不同类型的数据集。它由用于分割肽特征的多同位素模式以及电荷的基于注意力的扫描步骤和用于将这些同位素分组为潜在肽特征的序列分类步骤组成。PointIso是第一个基于点云的任意精度深度学习网络来解决这个问题,并在基准数据集中实现了98%的高质量MS/MS识别检测,这高于其他几种广泛使用的算法。除了有助于蛋白质组学研究,我们相信我们的新分割技术应该服务于一般的图像处理领域以及。
2020-09-15 cs.CV cs.LG q-bio.QM
De novo peptide sequencing rescoring and FDR estimation with Winnow
InstaDeep Ltd(InstaDeep有限公司)
本文提出模型无关框架 Winnow,通过神经网络校准 DNS 分数并以无诱饵方法估计 FDR,从而提升固定阈值下的召回率并实现可靠错误率控制。
2025-09-30 q-bio.QM
AdaNovo: Adaptive \emph{De Novo} Peptide Sequencing with Conditional Mutual Information
School of Engineering, Westlake University(西湖大学工程学院);University of Southern California(南加利福尼亚大学)
针对从头肽段测序中PTM识别难和噪声干扰问题,提出AdaNovo框架,利用条件互信息进行自适应训练,在9物种基准上达到最优性能并展现鲁棒性。
2024-03-15 cs.LG q-bio.BM q-bio.QM
Antilope - A Lagrangian Relaxation Approach to the de novo Peptide Sequencing Problem
从质谱数据中进行肽段测序是蛋白质组研究中的关键步骤。尤其是从头测序,即仅从其光谱中识别肽,即使对于最先进的算法方法也仍然是一个挑战。在本文中,我们提出了羚羊,一个新的快速和灵活的方法的基础上数学规划。它建立在频谱图模型的基础上,并与各种评分方案一起工作。安蒂洛普结合拉格朗日松弛求解整数线性规划公式与适应严的k最短路径算法。与混合整数优化相比,它在运行时间上有了显着的改进,并且与其他最先进的工具具有相同的速度。我们还实现了一个通用的概率评分方案,可以自动训练的数据集的注释谱,是独立的质谱仪类型。对基准数据的评估表明,Antilope在运行时间和准确性方面与流行的最先进的程序PepNovo和NovoHMM都具有竞争力。此外,它在所考虑的离子类型的数量方面提供了更大的灵活性。Antilope将作为开源蛋白质组学图书馆OpenMS的一部分免费提供。
2011-02-19 cs.DS q-bio.QM
A novel framework to quantify uncertainty in peptide-tandem mass spectrum matches with application to nanobody peptide identification
纳米抗体是来源于骆驼科动物的小抗体片段,其选择性地结合抗原。这些蛋白质具有显著的物理化学特性,支持先进的治疗方法,包括SARS-CoV-2的治疗。为了实现它们的潜力,已经提出了通过液相色谱-串联质谱(LC-MS/MS)的自下而上的蛋白质组学来在蛋白质组规模上鉴定抗原特异性纳米抗体,其中该管道的关键组成部分是将纳米抗体肽与它们产生的串联质谱相匹配。虽然肽谱匹配是一个研究得很好的问题,我们发现纳米抗体肽之间的序列相似性违反了关键假设,需要推断纳米抗体肽谱匹配(PSM)与标准的目标诱饵范例,并证明这些违规行为会导致膨胀的错误率。为了解决这些问题,我们开发了一种新的框架和方法,将肽谱匹配视为具有不完整模型空间的贝叶斯模型选择问题,据我们所知,这是第一个考虑PSM误差的所有来源而不依赖于上述假设的方法。除了说明我们的方法在模拟和真实纳米抗体数据上的改进性能外,我们的工作还展示了如何利用新的保留时间和光谱预测工具来开发准确和有区别的数据生成模型,并且据我们所知,提供了第一个严格的MS/MS光谱噪声描述。
2021-10-15 q-bio.QM stat.ME