【技术实现步骤摘要】
本专利技术涉及生物信息学,液相色谱保留时间预测,特别涉及一种肽段液相色谱保留时间预测方法及系统。
技术介绍
现有技术中使用“鸟枪法”鉴定蛋白质时,在肽段进入质谱仪之前,要用色谱法对其进行分离,避免由于肽段数目过多,一次性输入质谱仪而造成严重的信号叠加,肽段在被注入色谱的强度达到最高时经历的时间为保留时间,保留时间是独立于质谱信息之外的另一维重要信息,在一定的反向液相色谱条件下,不同肽段的保留时间不同,根据肽段的序列等信息,可以对肽段在色谱中的保留时间进行预测,并将保留时间预测结果与质谱信息相结合,用于提高肽段鉴定结果的灵敏度或可靠性。现有的主要的保留时间预测软件有SSCalc、BioLCC、Elude等,它们有的只支持特定色谱条件下的预测,有的不能支持有修饰肽段的预测,且运行效率低下,不能满足当前数据处理的要求。现有的技术存在三大问题或缺点:1.现有的技术能支持不同色谱条件下预测保留时间的较少。当色谱条件发生变化时,肽段的保留时间会相应发生变化,原有模型不再适用。2.现有的技术大多针对常规的肽段,对修饰肽段的支持较少。研究发现,特定修饰会影响肽段的保留时间,当肽段发生修饰时,现有模型预测不准。3.现有的技术处理数据效率不高,如知名软件Elude在多个测试数据集上的运行时间普遍在20分钟以上。专利技术人在进行肽段的色谱保留时间预测研究时,发现现有技术往往只支持特定色谱条件下的预测,并且只支持常规肽段的预测,这一方面是由于现有的研究方法比较局限,一些实验室只研究特定色谱条件下的数据集,针对该数据集挑选的参数不适用于别的色谱条件;一方面是由于研究者没有认识到修 ...
【技术保护点】
一种肽段液相色谱保留时间预测方法,其特征在于,包括:步骤1,对原始质谱数据文件进行搜索,获取肽段‑谱图匹配作为鉴定结果,对于所述鉴定结果中FDR小于1%的来自目标库的肽段‑谱图匹配,提取肽段‑谱图匹配中相应肽段的实验保留时间,并设置训练样本与测试样本;步骤2,使用所述训练样本,将带有修饰的氨基酸作为新氨基酸,建立多元线性回归模型,使用梯度下降法求解每种氨基酸的保留系数;步骤3,对所述训练样本中的每条肽段,提取56维特征,并计算相应的特征值;步骤4,建立预测模型,对所述测试样本中已知序列的肽段进行保留时间预测。
【技术特征摘要】
1.一种肽段液相色谱保留时间预测方法,其特征在于,包括:步骤1,对原始质谱数据文件进行搜索,获取肽段-谱图匹配作为鉴定结果,对于所述鉴定结果中FDR小于1%的来自目标库的肽段-谱图匹配,提取肽段-谱图匹配中相应肽段的实验保留时间,并设置训练样本与测试样本;步骤2,使用所述训练样本,将带有修饰的氨基酸作为新氨基酸,建立多元线性回归模型,使用梯度下降法求解每种氨基酸的保留系数;步骤3,对所述训练样本中的每条肽段,提取56维特征,并计算相应的特征值;步骤4,建立预测模型,对所述测试样本中已知序列的肽段进行保留时间预测。2.如权利要求1所述的肽段液相色谱保留时间预测方法,其特征在于,包括:所述步骤1包括:步骤11,根据修饰位点,对肽段分别进行处理;步骤12,对于同一条肽段对应多张二级谱图的情况,选取得分最高的肽段,提取实验保留时间;步骤13,提取实验保留时间时,对于给定质荷比的肽段,在连续的一级谱图上查找其信号,并记录所述信号的最高强度,当前强度小于最高强度的10%时停止查找,确定信号的起止点,将最高强度对应的时间作为肽段的实验保留时间;步骤24,在处理每条肽段的过程中,统计出现修饰的名称和频率,并进行存储。3.如权利要求1所述的肽段液相色谱保留时间预测方法,其特征在于,包括:所述步骤2包括:步骤21,将所述新氨基酸与现有的20种自然界中存在的氨基酸一起,构造多元线性回归公式,所述多元线性回归公式如下:T=∑(Ri*Ni)+b+ε其中,Ri表示组成肽段的各种氨基酸的保留系数,Ni为各种氨基酸的个数,b为死时间,ε为随机误差;步骤22,为了避免梯度下降的步长过小,造成收敛速度慢,以及步长过大,导致不收敛,经过测试,现将步长设置为0.000001。4.如权利要求1所述的肽段液相色谱保留时间预测方法,其特征在于,包括:所述步骤4中建立所述建立预测模型的步骤包括:步骤41,根据所述特征值,建立预测模型,如下所示: m i n 1 2 | | w | | 2 ]]>约束条件为||yi-(wTxi+b)||≤ε,i=1,…,n,其中ε≥0,ε表示预测保留时间和实际保留时间之间最大的差距;yi表示实际保留时间;xi表示所述预测模型中各维特征的取值;w表示各维特征的权重,wT为w的转置矩阵;b表示死时间;步骤42,若所述测试样本中出现所述训练样本中未出现的修饰,则将带有所述未出现的修饰的氨基酸按照常规的氨基酸处理...
【专利技术属性】
技术研发人员:涂慧君,刘超,迟浩,贺思敏,
申请(专利权)人:中国科学院计算技术研究所,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。