一种用于基于肽的诊断的结构化软硬件架构——有限容错子串匹配问题（ICIAfS14）

在鸟枪法蛋白质组学工作流程中，从复杂肽段样本推断蛋白质的问题对计算资源提出了极高要求。由于剪接变体和蛋白质同工型的存在，通常无法用固定的氨基酸序列来定义某一给定蛋白质，这进一步加剧了问题的复杂性。因此，蛋白质推断问题可被视为在有限容错条件下识别氨基酸序列的问题。由此产生两个问题：a) 由于这些变异，精确字符串匹配方法的适用性可能受到质疑；b) 难以为一组功能上无法区分但特征存在一定变异的蛋白质定义参考序列。本文提出并验证了一种基于模型的推断方法来解决该推断问题。我们的方法从检查目标蛋白质已知的剪接变体和同工型集合入手，识别最大公共稳定子串（GCSS）和有限变异子串（SSLV）及其在GCSS上的相应位置。然后，我们定义并求解有限容错子串匹配问题（SMPLT）。该方法在来自UNIPROT的已标记和聚类数据集中的已鉴定肽段上进行了验证。以浣熊贝利斯蛔虫感染的鉴定作为应用实例，与纯软件系统相比，实现了高达70倍的加速。通过在一个允许成员串之间存在距离以考虑替换、插入和删除等允许偏差的集群分布式环境中替换模式，该工作流程可推广到任何不精确多模式匹配应用。