导　　师： 张弓

授予学位： 硕士

作　　者： (）;

机构地区： 暨南大学

摘　　要： 基于不同算法模型的蛋白质质谱搜库引擎被大量开发用于蛋白质质谱针对参考文库进行搜库,这些搜库引擎对同一数据集进行鉴定的结果各不相同。由于缺乏独立,可靠和高灵敏度的标准,如何有效地整合这些结果并最大限度地减少错误发现是一个悬而未决的问题。我们使用翻译组mRNA测序(RNC-seq)的结果作为标准,来评估各种多搜库引擎蛋白质鉴定结果整合策略。我们使用七种主流搜库引擎(Andromeda,Mascot,OMSSA,X!Tandem,p Find,InsPecT和ProVerB)搜索来自中国C-HPP计划(Chinese C-HPP Consortium for Chromosomes 1,8,and 20)的非标记MS数据集,包括人类细胞系Hep3B,MHCCLM3和MHCC97H的质谱数据。正如预期的那样,七个引擎对同一数据集的鉴定结果互不相同。另外七个引擎鉴定结果的并集增加了可疑鉴定,而七个引擎鉴定结果的交集显著降低了鉴定能力。基于RNC-seq,我们通过可疑鉴定(SIs)和翻译支持鉴定(TIs)的比值(STR),发现七个引擎中至少两个引擎共同鉴定的结果整合策略能有效提高蛋白质鉴定能力,同时降低STR比值。此外,该策略还显著提高了鉴定到的特异性肽段在蛋白质全长氨基酸序列上的覆盖度。总而言之,我们展示了一个多蛋白质质谱搜库引擎结果整合策略,即在蛋白质层面上通过整合多个搜库引擎的搜库鉴定结果来显著提高鸟枪法质谱搜库的效果,从而最大限度地利用当前MS质谱数据而无需增加额外的实验工作。更多还原

关 键 词： 假阳性 整合策略 蛋白质质谱 肽段覆盖度 蛋白质搜库算法 蛋白质层面 翻译组测序 可疑鉴定 翻译支持鉴定

领　　域： []