PointIso：基于点云并通过注意力分割在 LC-MS 图中检测任意精度肽特征的深度学习模型
计算机视觉与模式识别
2020-09-16 v1 机器学习
定量方法
摘要
一种有前景的疾病生物标志物发现技术是通过基于液相色谱串联质谱（LC-MS/MS）的定量蛋白质组学，在多个生物流体样本中测量相对蛋白质丰度。关键步骤包括在 LC-MS 图中检测肽特征及其电荷和强度。现有启发式算法因参数设置不同导致结果差异显著而存在参数不准确的缺陷。因此，我们提出 PointIso，以满足对能够自动寻找合适参数且易适配不同数据集的肽特征检测系统的需求。它包含一个基于注意力的扫描步骤，用于沿电荷分割肽特征的多同位素模式，以及一个序列分类步骤，用于将这些同位素分组为潜在肽特征。PointIso 是首个基于点云、任意精度的深度学习网络来解决该问题，并在基准数据集中实现了 98% 的高质量 MS/MS 鉴定检测率，高于其他几种广泛使用的算法。除助力蛋白质组学研究外，我们相信我们新颖的分割技术也可服务于通用图像处理领域。
引用
@article{arxiv.2009.07250,
title = {PointIso: Point Cloud Based Deep Learning Model for Detecting Arbitrary-Precision Peptide Features in LC-MS Map through Attention Based Segmentation},
author = {Fatema Tuz Zohora and M Ziaur Rahman and Ngoc Hieu Tran and Lei Xin and Baozhen Shan and Ming Li},
journal= {arXiv preprint arXiv:2009.07250},
year = {2020}
}
备注
16 pages (main text) with 10 figures, then supplementary material of about 5 pages. preprint of journal submission