包含消化模型的蛋白质谱贝叶斯层次重构
基因组学
2012-02-23 v1
摘要
引言：质谱方法因其高灵敏度和高速度而在检测蛋白质组合方面极具吸引力。质谱可与多种蛋白质组学分离技术联用。然而，控制这些分析链上的技术变异性是一个关键点。充分的信息处理对于数据分析至关重要，以考虑所分析混合物的复杂性、提高测量可靠性并使该技术更易于使用。因此，我们开发了一个包含技术变异性的 LC-MS 分析链的层次化参数概率模型。我们引入了一种贝叶斯重构方法，以稳健地恢复蛋白质生物标志物含量。我们将重点关注消化步骤，因为它对技术变异性有重大贡献。方法：在本通讯中，我们介绍了 LC-MS 分析链的层次模型。这样的链是一系列由图结构描述的分子事件级联，每个节点关联一种分子状态（如蛋白质、肽和离子），每个分支关联一种分子处理过程（如消化、电离和 LC-MS 分离）。该分子图定义了一个层次混合模型。我们将此前引入 [1] 的贝叶斯统计框架扩展至这一层次描述。作为示例，我们将考虑消化步骤。我们将靶向蛋白质内一对肽的消化过程描述为一个伯努利随机过程，其切割概率受消化动力学定律控制。
引用
@article{arxiv.1202.4868,
title = {Bayesian hierarchical reconstruction of protein profiles including a digestion model},
author = {Pierre Grangeat and Pascal Szacherski and Laurent Gerfault and Jean-François Giovannelli},
journal= {arXiv preprint arXiv:1202.4868},
year = {2012}
}
备注
pr\'esentation orale; 59th American Society for Mass Spectrometry Conference, Dallas : France (2011)