AIomics：利用AI扩展质谱库以探索更多蛋白质组
定量方法
2023-05-17 v1
摘要
生物分子（包括蛋白质及其组成肽段）的无限排列组合，给复杂生物样本组分的鉴定带来了困境。用于鉴定肽谱的序列搜索算法可扩展至覆盖更大分子类别，包括更多修饰、异构体和非常规酶切，但代价是由于从序列记录计算出的简化谱图而导致假阳性或假阴性。谱库搜索可通过将实验谱图与库谱图精确匹配，以优异的灵敏度与特异性解决此问题。然而，编译涵盖整个蛋白质组的谱库在实际中十分困难。可预测包含全部标注与未标注离子的完整谱图的神经网络，可用于以完全预测的谱图库（包括修饰肽段）替代这些简化谱图。利用此类网络，我们创建了预测谱库，用于对大搜索空间（含大量修饰）下序列搜索的匹配结果进行重评分。重评分使真假命中分离度提升82%，肽段鉴定数增加8%，其中非特异酶切肽段增加21%，磷酸化肽段增加17%。
引用
@article{arxiv.2305.09513,
title = {AIomics: exploring more of the proteome using mass spectral libraries extended by AI},
author = {Lewis Y. Geer and Joel Lapin and Douglas J. Slotta and Tytus D. Mak and Stephen E. Stein},
journal= {arXiv preprint arXiv:2305.09513},
year = {2023}
}