基于条件互信息的自适应De Novo肽段排序
定量方法
2024-03-18 v2 机器学习
生物大分子
摘要
串联质谱（tandem mass spectrometry）在推动蛋白质组学研究方面发挥了关键作用，使能够分析生物样本中的蛋白质组成。尽管已 developed 各种深度学习方法用于识别由观察到的谱图负责的氨基酸序列（肽段），但在de novo肽段排序中仍存在挑战。首先，先前方法难以识别带有后翻译修饰（PTMs）的氨基酸，因为这些氨基酸在训练数据中的出现频率远低于标准氨基酸，进而导致肽段水平识别精度下降。其次，质谱图中的各种噪声和缺失峰会降低训练数据（肽段-谱图匹配，PSMs）的可靠性。为此，本文提出了Adanovo框架，通过计算谱图与每个氨基酸/肽段之间的条件互信息（CMI），利用CMI进行自适应模型训练。广泛的实验表明，Adanovo在9个物种基准测试中实现了最先进的性能，其中训练集中的肽段几乎与测试集中的肽段完全不重叠。此外，Adanovo在识别带PTMs的氨基酸方面表现出色，并对数据噪声具有良好的鲁棒性。附录材料包含官方代码。
关键词
引用
@article{arxiv.2403.07013,
title = {AdaNovo: Adaptive \emph{De Novo} Peptide Sequencing with Conditional Mutual Information},
author = {Jun Xia and Shaorong Chen and Jingbo Zhou and Tianze Ling and Wenjie Du and Sizhe Liu and Stan Z. Li},
journal= {arXiv preprint arXiv:2403.07013},
year = {2024}
}