Deuteros 2.0：氢氘交换质谱数据的肽水平显著性检验

基于Transformer的从头测序方法用于数据非依赖性采集质谱

Transformer-based de novo peptide sequencing for data-independent acquisition mass spectrometry

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。

DePS: An improved deep learning model for de novo peptide sequencing

De novo peptide sequencing from mass spectrometry data is an important method for protein identification. Recently, various deep learning approaches were applied for de novo peptide sequencing and DeepNovoV2 is one of the represetative models. In this study, we proposed an enhanced model, DePS, which can improve the accuracy of de novo peptide sequencing even with missing signal peaks or large number of noisy peaks in tandem mass spectrometry data. It is showed that, for the same test set of DeepNovoV2, the DePS model achieved excellent results of 74.22%, 74.21% and 41.68% for amino acid recal…

通过肽键断裂预测优化镜像肽序列设计用于数据存储

Optimizing Mirror-Image Peptide Sequence Design for Data Storage via Peptide Bond Cleavage Prediction

本研究提出DBond模型，通过优化镜像肽序列设计提高数据存储的准确性，构建了MiPD513数据集并开发了PBCLA算法。

MassChroQ：质谱定量的多功能工具

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。

基于质谱的蛋白质鉴定，具有准确的统计显著性分配

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

基于自适应遗传算法的串联质谱蛋白质序列分析

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。

Accounting for multiple imputation-induced variability for differential analysis in mass spectrometry-based label-free quantitative proteomics

Imputing missing values is common practice in label-free quantitative proteomics. Imputation aims at replacing a missing value with a user-defined one. However, the imputation itself may not be optimally considered downstream of the imputation process, as imputed datasets are often considered as if they had always been complete. Hence, the uncertainty due to the imputation is not adequately taken into account. We provide a rigorous multiple imputation strategy, leading to a less biased estimation of the parameters' variability thanks to Rubin's rules. The imputation-based peptide's intensities…

Deep learning for peptide identification from metaproteomics datasets

Metaproteomics are becoming widely used in microbiome research for gaining insights into the functional state of the microbial community. Current metaproteomics studies are generally based on high-throughput tandem mass spectrometry (MS/MS) coupled with liquid chromatography. The identification of peptides and proteins from MS data involves the computational procedure of searching MS/MS spectra against a predefined protein sequence database and assigning top-scored peptides to spectra. Existing computational tools are still far from being able to extract all the information out of large MS/MS …

在串联质谱中借助基于深度学习的端到端数据库搜索实现偏差更低的数据驱动评分

Towards Less Biased Data-driven Scoring with Deep Learning-Based End-to-end Database Search in Tandem Mass Spectrometry

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。

基于机器学习的蛋白质组学发现

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。

一种新的滑动窗口算法辅助的蛋白质组质谱数据的基线扣除

Informed baseline subtraction of proteomic mass spectrometry data aided by a novel sliding window algorithm

蛋白质组基质辅助激光解吸/电离（MALDI）线性飞行时间（TOF）质谱（MS）可用于从生物样品中产生蛋白质谱，目的是发现疾病的生物标志物。然而，原始蛋白质谱受到几种偏倚或系统变异来源的影响，需要通过预处理去除这些偏倚或系统变异，然后才能对数据进行有意义的下游分析。基线减法是一种从光谱中去除非肽信号的早期预处理步骤，其复杂性在于：（i）平均而言，每个光谱具有更宽的肽峰，具有更高的质荷比（m/z），以及（ii）用于优化基线减法输入参数的耗时且易于出错的试错过程。参考上述复杂性，我们提出了一种自动化流水线，其包括（i）新颖的“连续”线段算法，其有效地对具有变换的m/z轴的数据进行操作，以去除肽质量和峰宽之间的关系，以及（ii）无输入算法，以估计变换的m/z尺度上的峰宽。使用六种不同的m/z轴转换，在六个公开可用的蛋白质组MS数据集上部署自动基线减法。当与金标准基线扣除信号相比时，使用平均绝对缩放误差（MASE）定量评估自动基线扣除管道的最优性。使用自动化流水线实现了接近最佳的基线减影。所提出的管道的优点包括基线减法方法的知情和数据特定的输入参数，避免时间密集型和主观分段基线减法，以及完全自动化基线减法的能力。此外，各个步骤可以作为独立的例程采用。

一种高效的大规模质谱数据聚类算法

An Efficient Algorithm for Clustering of Large-Scale Mass Spectrometry Data

高通量光谱仪能够产生包含单个生物样品的数千个光谱的数据集。这些数据集包含来自肽的大量冗余，这些肽可能在LC-MS/MS实验中被多次选择。在本文中，我们提出了一个有效的算法，CAMS（聚类算法质谱）的聚类质谱数据，提高了灵敏度和信心的光谱分配。CAMS利用一种称为F-set的新型度量标准，可以准确识别相似的光谱。一个图论框架的定义，允许使用F-集度量有效地准确的聚类识别。该算法的准确性进行了测试的真实HCD和CID数据集与不同量的肽。我们的实验表明，该算法是能够聚类光谱具有非常高的精度在一个合理的时间量为大的光谱数据集。因此，该算法能够通过压缩数据集来减少计算时间，同时通过解释低S/N光谱来增加数据的吞吐量。

FIT：基于标签的融合蛋白鉴定方法

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。

New mixture models for decoy-free false discovery rate estimation in mass-spectrometry proteomics

Motivation: Accurate estimation of false discovery rate (FDR) of spectral identification is a central problem in mass spectrometry-based proteomics. Over the past two decades, target decoy approaches (TDAs) and decoy-free approaches (DFAs), have been widely used to estimate FDR. TDAs use a database of decoy species to faithfully model score distributions of incorrect peptide-spectrum matches (PSMs). DFAs, on the other hand, fit two-component mixture models to learn the parameters of correct and incorrect PSM score distributions. While conceptually straightforward, both approaches lead to probl…

DPST: De Novo Peptide Sequencing with Amino-Acid-Aware Transformers

De novo peptide sequencing aims to recover amino acid sequences of a peptide from tandem mass spectrometry (MS) data. Existing approaches for de novo analysis enumerate MS evidence for all amino acid classes during inference. It leads to over-trimming on receptive fields of MS data and restricts MS evidence associated with following undecoded amino acids. Our approach, DPST, circumvents these limitations with two key components: (1) A confidence value aggregation encoder to sketch spectrum representations according to amino-acid-based connectivity among MS; (2) A global-local fusion decoder to…

两亲肽偶联高灵敏度质谱法测定血清生长激素

High Sensitivity Mass Spectrometric Quantification of Serum Growth Hormone by Amphiphilic Peptide Conjugation

两亲性肽缀合提供了通过电喷雾电离质谱法进行蛋白质定量的灵敏度的显著增加。在此，使用N-（3-碘丙基）-N，N，N-二甲基辛基碘化铵（IPDOA-碘化物）作为衍生试剂，对血清中的人生长激素进行了证明。与未衍生化的方法相比，实现的信号增强使得适用的浓度范围能够扩展到肢端肥大症患者的临床葡萄糖抑制试验中遇到的非常低的浓度。已使用一组加标已知量重组22 kDa生长激素（范围为0.48 - 7.65 \mug /L）的血清样品对该方法进行了验证。根据结果与预期浓度的偏差计算的变异系数（CV）为3.5%，定量限（LoQ）确定为0.4 \mug /L。该方法作为临床实践工具的潜力已在约1 \mug /L的患者样本中得到证实。

ContraNovo：一种用于增强从头肽测序的对比学习方法

ContraNovo: A Contrastive Learning Approach to Enhance De Novo Peptide Sequencing

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。

A novel framework to quantify uncertainty in peptide-tandem mass spectrum matches with application to nanobody peptide identification

Nanobodies are small antibody fragments derived from camelids that selectively bind to antigens. These proteins have marked physicochemical properties that support advanced therapeutics, including treatments for SARS-CoV-2. To realize their potential, bottom-up proteomics via liquid chromatography-tandem mass spectrometry (LC-MS/MS) has been proposed to identify antigen-specific nanobodies at the proteome scale, where a critical component of this pipeline is matching nanobody peptides to their begotten tandem mass spectra. While peptide-spectrum matching is a well-studied problem, we show the …

Predicting the Binding of SARS-CoV-2 Peptides to the Major Histocompatibility Complex with Recurrent Neural Networks

Predicting the binding of viral peptides to the major histocompatibility complex with machine learning can potentially extend the computational immunology toolkit for vaccine development, and serve as a key component in the fight against a pandemic. In this work, we adapt and extend USMPep, a recently proposed, conceptually simple prediction algorithm based on recurrent neural networks. Most notably, we combine regressors (binding affinity data) and classifiers (mass spectrometry data) from qualitatively different data sources to obtain a more comprehensive prediction tool. We evaluate the per…

Single-cell protein analysis by mass-spectrometry

Human physiology and pathology arise from the coordinated interactions of diverse single cells. However, analyzing single cells has been limited by the low sensitivity and throughput of analytical methods. DNA sequencing has recently made such analysis feasible for nucleic acids, but single-cell protein analysis remains limited. Mass-spectrometry is the most powerful method for protein analysis, but its application to single cells faces three major challenges: Efficiently delivering proteins/peptides to MS detectors, identifying their sequences, and scaling the analysis to many thousands of si…

基于液相色谱-质谱的蛋白质组学：生物学和技术方面

Liquid chromatography mass spectrometry-based proteomics: Biological and technological aspects

基于质谱的蛋白质组学已成为鉴定和定量生物体蛋白质组的首选工具。虽然近年来在工具性能和所用计算工具方面有了巨大改进，但仍然存在重大挑战，统计人员有许多机会作出重要贡献。在最广泛使用的“自下而上”的蛋白质组学方法中，首先对蛋白质的复杂混合物进行酶促裂解，基于化学或物理性质分离所得肽产物，并使用质谱仪进行分析。自下而上的基于MS的蛋白质组学分析中的两个基本挑战如下：（1）鉴定样品中存在的蛋白质，以及（2）定量鉴定的蛋白质的丰度水平。这两项挑战都需要了解产生观测数据的生物和技术背景，以及应用合理的统计原则进行估计和推断。我们提出了自下而上的蛋白质组学的概述，并概述了蛋白质鉴定和定量中出现的关键统计问题。

AdaNovo：基于条件互信息的自适应从头肽段测序

AdaNovo: Adaptive \emph{De Novo} Peptide Sequencing with Conditional Mutual Information

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。

Antilope -一种新的肽序列排序问题的拉格朗日松弛方法

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。

弱监督下的肽谱匹配

Peptide-Spectra Matching from Weak Supervision

与许多其他科学领域一样，当使用机器学习从质谱数据中识别蛋白质时，我们面临一个基本问题：将输入映射到正确输出的大型地面实况数据集非常难以获得。相反，我们可以访问由领域专家精心制作的不完美的手工编码模型。在本文中，我们将深度神经网络应用于蛋白质鉴定问题的重要步骤，即质谱与称为肽的氨基酸短序列的配对。我们训练我们的模型，以区分来自最先进的经典系统的最高评分结果和第二名和第三名的硬性阴性结果。我们得到的模型在识别具有光谱的肽方面比用于生成其训练数据的模型要好得多。特别是，我们实现了43%的标准匹配方法的改进和10%的匹配方法和行业标准的交叉光谱重新排序工具的组合的改进。重要的是，在反映生物学家当前面临的挑战的更困难的实验制度中，即使在重新排名后，我们对先前最先进技术的优势也增长到15%。我们相信这种方法将推广到其他具有挑战性的科学问题。

NovoBench：蛋白质组学中基于深度学习的从头肽测序方法基准测试

NovoBench: Benchmarking Deep Learning-based De Novo Peptide Sequencing Methods in Proteomics

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。

DeepIso：一种用于肽特征检测的深度学习模型

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。

基于质谱的自下而上蛋白质组学综合概述

Comprehensive Overview of Bottom-up Proteomics using Mass Spectrometry

本文综述了基于质谱的自下而上蛋白质组学方法，涵盖从蛋白质提取到生物学解释的全流程，旨在为新手提供基础资源。

使用scp包进行基于质谱的单细胞蛋白质组学数据处理与分析的标准化工作流程

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。

Peak Detection On Data Independent Acquisition Mass Spectrometry Data With Semisupervised Convolutional Transformers

Liquid Chromatography coupled to Mass Spectrometry (LC-MS) based methods are commonly used for high-throughput, quantitative measurements of the proteome (i.e. the set of all proteins in a sample at a given time). Targeted LC-MS produces data in the form of a two-dimensional time series spectrum, with the mass to charge ratio of analytes (m/z) on one axis, and the retention time from the chromatography on the other. The elution of a peptide of interest produces highly specific patterns across multiple fragment ion traces (extracted ion chromatograms, or XICs). In this paper, we formulate this …

面向pMHC-I结合预测的蛋白质语言模型领域特定持续预训练

Continued domain-specific pre-training of protein language models for pMHC-I binding prediction

本文研究对蛋白质语言模型进行领域特定持续预训练以提升pMHC-I结合亲和力预测，基于ESM Cambrian在HLA相关肽上采用MLM并比较两种输入格式，仅用高质量定量数据微调，以缓解等位基因数据稀缺和质谱偏差问题。

TraianProt：用于宽格式蛋白质组学数据下游分析的用户友好型R闪亮应用程序

TraianProt: a user-friendly R shiny application for wide format proteomics data downstream analysis

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。

DeepQuality：通过压缩感知和深度学习进行质谱质量评估

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

质谱挖掘：度量嵌入和快速近邻搜索

Mining Mass Spectra: Metric Embeddings and Fast Near Neighbor Search

大规模高通量串联质谱数据集的挖掘是基于质谱的蛋白质鉴定中的一个重要问题。在大规模的光谱挖掘的基本问题之一是设计适当的度量和算法，以避免所有成对的光谱比较。在本文中，我们提出了一个通用的框架，基于向量空间，以避免成对比较。我们首先鲁棒地嵌入光谱在高维空间中的一种新的方式，然后应用快速近似近邻算法的任务，如构建过滤器的数据库搜索，索引和相似性搜索。我们正式证明，我们的嵌入具有低失真相比，余弦相似性，并且，随着局部敏感哈希（LSH），我们设计的数据库搜索过滤器，可以过滤掉超过989%的肽（118倍少），而错过了最多0.29%的正确序列。然后，我们展示了我们的框架如何可以用于相似性搜索，然后可以用来检测紧密的集群或复制。平均而言，对于16个光谱的聚类大小，LSH仅丢失1个光谱并且仅允许1个假光谱。此外，我们的框架与降维技术相结合，使我们能够在2D空间中可视化大型数据集。我们的框架也有可能嵌入和比较数据集与翻译后修改（PTM）。

改进的串联质谱判别分析生成模型的性质

Gradients of Generative Models for Improved Discriminative Analysis of Tandem Mass Spectra

串联质谱（MS/MS）是一种高通量技术，用于鉴定复杂生物样品（如一滴血）中的蛋白质。在该过程的输出处生成光谱的集合，其中每个光谱代表原始复杂样品中存在的肽（蛋白质子序列）。在这项工作中，我们利用生成模型的对数似然梯度来提高这种光谱的识别。特别是，我们表明，最近提出的动态贝叶斯网络（DBN）的梯度可以自然地采用基于核的判别分类。由此产生的Fisher核大大改善了最近尝试将生成和判别模型结合起来进行后处理分析的尝试，在评估的数据集上优于所有其他方法。我们通过引入Theseus，DBN代表大量广泛使用的MS/MS评分函数，将Fisher内核框架提供的改进精度扩展到其他搜索算法。此外，通过梯度上升和最大乘积推理，我们使用Theseus在没有任何监督的情况下学习模型参数。