使用基于遗传编程的评分函数对肽-谱图匹配进行重排序以改善串联质谱从头肽段鉴定结果
神经与进化计算
2019-08-22 v1 定量方法
摘要
从头肽段测序算法已广泛应用于蛋白质组学中，用于分析串联质谱（MS/MS）并将其分配给肽段，但用于评估从头肽段测序置信度的质量控制方法却相对滞后。质量控制方法的一个基本部分是用于评估肽-谱图匹配（PSMs）质量的评分函数。在此，我们提出了一种基于遗传编程（GP）的方法，称为GP-PSM，用于学习PSM评分函数，以提高从MS/MS数据中可靠鉴定肽段的比率。GP方法从数千张MS/MS谱图中学习。关于匹配优度的重要特征从学习集中提取并整合到GP评分函数中。我们将GP-PSM与包括支持向量回归（SVR）和随机森林（RF）在内的两种方法进行比较。GP方法以及RF和SVR，各自用于后处理由常用从头测序方法PEAKS进行的肽段鉴定结果。结果表明，GP-PSM优于RF和SVR，并能准确区分正确和错误的PSMs。在一个包含120张MS/MS谱图的评估数据集上，它正确地将肽段分配给多出10%的谱图，并降低了肽段鉴定的假阳性率（FPR）。
引用
@article{arxiv.1908.08010,
title = {Improving the Results of De novo Peptide Identification via Tandem Mass Spectrometry Using a Genetic Programming-based Scoring Function for Re-ranking Peptide-Spectrum Matches},
author = {Samaneh Azari and Bing Xue and Mengjie Zhang and Lifeng Peng},
journal= {arXiv preprint arXiv:1908.08010},
year = {2019}
}
备注
13 pages, conference paper, containing 2 figures