DPST:基于氨基酸感知 Transformer 的从头肽测序
定量方法
2022-03-25 v1 机器学习
生物大分子
摘要
从头肽测序旨在从串联质谱(MS)数据中恢复肽的氨基酸序列。现有的从头分析方法在推理期间枚举所有氨基酸类的 MS 证据。这导致对 MS 数据感受野的过度裁剪,并限制了与后续未解码氨基酸相关的 MS 证据。我们的方法 DPST 通过两个关键组件规避了这些局限:(1) 置信值聚合编码器,根据氨基酸间基于 MS 的连通性勾勒谱表示;(2) 全局-局部融合解码器,利用预定义的局部 MS 证据与氨基酸先验概念逐步吸收上下文化谱表示。我们的组件源于闭式解,并有选择地关注信息性的氨基酸感知 MS 表示。通过广泛的实证研究,我们展示了 DPST 的优越性,表明其以 12% - 19% 的肽准确率优势超越最先进的方法。
关键词
引用
@article{arxiv.2203.13132,
title = {DPST: De Novo Peptide Sequencing with Amino-Acid-Aware Transformers},
author = {Yan Yang and Zakir Hossain and Khandaker Asif and Liyuan Pan and Shafin Rahman and Eric Stone},
journal= {arXiv preprint arXiv:2203.13132},
year = {2022}
}