定量蛋白質(zhì)組算法研究與應(yīng)用.pdf

1、自Marc Wilkins于1994年提出首次“proteome”（蛋白質(zhì)組）以來，蛋白質(zhì)組學(xué)作為繼基因組學(xué)之后的一個(gè)研究熱點(diǎn)領(lǐng)域，已經(jīng)走過了二十個(gè)年頭。期間，隨著質(zhì)譜儀器的不斷更新，以及相應(yīng)實(shí)驗(yàn)技術(shù)的不斷完善，蛋白質(zhì)組學(xué)呈現(xiàn)出高速發(fā)展的趨勢(shì)。質(zhì)譜技術(shù)憑借其高通量、高靈敏性等優(yōu)點(diǎn)已經(jīng)成為了蛋白質(zhì)組研究的主流技術(shù)。質(zhì)譜數(shù)據(jù)解析也成為蛋白質(zhì)組信息學(xué)的主要研究?jī)?nèi)容之一。
　　然而，早期的質(zhì)譜儀器精度較低，數(shù)據(jù)往往包含較多的噪聲，譜圖質(zhì)量

2、較差。因此研究人員首先要解決定性鑒定的相關(guān)問題，比如如何找到譜圖對(duì)應(yīng)的肽段序列、鑒定結(jié)果中的假陽(yáng)性如何過濾即質(zhì)量控制等多方面的問題。值得欣慰的是，經(jīng)過多年來科研人員的共同努力，一方面質(zhì)譜儀器的精度和分辨率得到了大幅度提升，質(zhì)譜數(shù)據(jù)質(zhì)量越來越高;另一方面，相應(yīng)的分析方法和工具也日趨完善，這些基本的鑒定問題已經(jīng)得到了較好的解決。近年來，蛋白質(zhì)組學(xué)的研究重點(diǎn)已經(jīng)逐漸從之前的定性研究轉(zhuǎn)移到了定量研究。定量蛋白質(zhì)組學(xué)已經(jīng)成為組學(xué)領(lǐng)域的研究熱點(diǎn)之一

3、，它既包含了相同蛋白質(zhì)在不同狀態(tài)中的豐度變化研究，又包含了不同蛋白質(zhì)在同一狀態(tài)中的絕對(duì)定量研究。它的發(fā)展對(duì)蛋白質(zhì)相互作用、疾病相關(guān)的生物標(biāo)志物以及蛋白質(zhì)豐度規(guī)律變化等多方面的研究都具有重大意義。
　　目前，定量蛋白質(zhì)組按照是否研究蛋白質(zhì)的絕對(duì)豐度，又可以分為相對(duì)定量與絕對(duì)定量?jī)深悺Ｔ谙鄬?duì)定量研究中，按照是否需要穩(wěn)定同位素標(biāo)記又可以分為有標(biāo)定量與無標(biāo)定量。針對(duì)不同的類別，眾多的實(shí)驗(yàn)策略應(yīng)運(yùn)而生，但是相應(yīng)的計(jì)算方法研究卻稍顯滯后。一方

4、面，質(zhì)譜數(shù)據(jù)規(guī)模增長(zhǎng)迅速，數(shù)據(jù)復(fù)雜度不斷增加，對(duì)定量分析方法的準(zhǔn)確性、靈敏性以及分析效率的要求越來越高;另一方面，質(zhì)譜數(shù)據(jù)的精度也在逐漸提高，如何有效結(jié)合定量實(shí)驗(yàn)策略，充分挖掘高精度質(zhì)譜數(shù)據(jù)中的定量信息，這將是一個(gè)挑戰(zhàn)。
　　針對(duì)上述問題，本研究主要關(guān)注于定量蛋白質(zhì)組學(xué)的定量算法研究以及定量軟件和工具的研發(fā)與應(yīng)用，為后續(xù)定量蛋白質(zhì)組學(xué)的發(fā)展提供方法學(xué)支撐。本文具體研究?jī)?nèi)容包括以下四個(gè)方面:
　　(1)考慮了定量可靠性的蛋白質(zhì)

5、相對(duì)定量算法研究。在譜圖層面，我們提出了動(dòng)態(tài)選峰誤差算法，提高了定量結(jié)果的靈敏性。在肽段層面，我們首次提出了定量可靠性的概念，定義了三種定量可靠性過濾指標(biāo)以及兩種定量可靠性打分。定量可靠性過濾指標(biāo)能夠減少肽段定量結(jié)果中的假陽(yáng)性，保證了結(jié)果的準(zhǔn)確性。定量可靠性打分則可以為后續(xù)分析提供定量可靠性判別依據(jù)。在蛋白質(zhì)層面，我們實(shí)現(xiàn)了三種孤點(diǎn)肽段排除算法，有效提升了蛋白質(zhì)定量的準(zhǔn)確性。最后，采用上述定量算法，我們針對(duì)穩(wěn)定同位素標(biāo)記的數(shù)據(jù)設(shè)計(jì)并開發(fā)

6、了自動(dòng)化有標(biāo)定量工具SILVER，并在一組大規(guī)模復(fù)雜數(shù)據(jù)集以及兩組不同標(biāo)記比例的標(biāo)準(zhǔn)數(shù)據(jù)集上驗(yàn)證了SILVER的準(zhǔn)確性、靈敏性和高效性。
　　(2)基于肽段定量效率指標(biāo)的蛋白質(zhì)絕對(duì)定量算法研究。首先，我們第一次提出并定義了肽段定量效率指標(biāo)，即一個(gè)肽段能被質(zhì)譜檢測(cè)并定量的效率，用以表征肽段實(shí)際豐度值與肽段質(zhì)譜信號(hào)強(qiáng)度之間的關(guān)系。然后，我們收集和整理了587種肽段各方面的性質(zhì)特征，采用半監(jiān)督式學(xué)習(xí)的計(jì)算模型，構(gòu)建了樣本特異性的肽段定量

7、效率指標(biāo)。最后，我們將肽段定量效率指標(biāo)用于蛋白質(zhì)絕對(duì)定量中，并在三組不同復(fù)雜度的數(shù)據(jù)集上和幾種常用絕對(duì)定量方法進(jìn)行了比較，結(jié)果表明基于肽段定量效率的絕對(duì)定量算法能夠顯著降低一個(gè)蛋白質(zhì)對(duì)應(yīng)不同肽段的定量偏差以及重復(fù)實(shí)驗(yàn)中定量值的波動(dòng)，在肽段和蛋白質(zhì)層面都具有更好的定量準(zhǔn)確性和定量可重復(fù)性，在高復(fù)雜度的樣本中效果更加明顯。
　　(3)綜合性、并行化定量軟件包PANDA的設(shè)計(jì)與開發(fā)。在蛋白質(zhì)定量算法研究的基礎(chǔ)上，我們?cè)O(shè)計(jì)并開發(fā)了包含各類

8、常用定量方法的綜合性、并行化定量軟件包PANDA。其中，我們構(gòu)建了譜圖、肽段和蛋白質(zhì)三個(gè)層面的底層定量算法庫(kù)，囊括了無標(biāo)定量、母離子標(biāo)記定量、子離子標(biāo)記定量以及絕對(duì)定量的分析流程。同時(shí)，我們?cè)O(shè)計(jì)了多核多線程的并行化架構(gòu)，實(shí)現(xiàn)了多種定量算法的并行化和優(yōu)化，能夠完成多個(gè)餾分之間以及單個(gè)餾分內(nèi)部的多重并行化計(jì)算，極大地提高了計(jì)算效率。除此之外，PANDA還具有結(jié)果展示與統(tǒng)計(jì)分析功能，能夠進(jìn)行定量結(jié)果的列表展示與各種圖形展示。最后，PANDA包

9、含了差異蛋白質(zhì)篩選的基本流程，具有缺失值插補(bǔ)、統(tǒng)計(jì)檢驗(yàn)以及層次聚類、主成分分析等多種功能。
　　(4)建立大規(guī)模蛋白質(zhì)組定量數(shù)據(jù)分析流程并在實(shí)際分析中應(yīng)用。近年來，中國(guó)人類蛋白質(zhì)組計(jì)劃以及中國(guó)人類染色體蛋白質(zhì)組計(jì)劃陸續(xù)啟動(dòng)，產(chǎn)出了大量來自于不同實(shí)驗(yàn)室和不同質(zhì)譜平臺(tái)的蛋白質(zhì)組數(shù)據(jù)。為了統(tǒng)一分析、整合這些不同來源的質(zhì)譜數(shù)據(jù)，我們?cè)谇捌诙糠椒ㄑ芯亢凸ぞ唛_發(fā)的基礎(chǔ)上，建立了針對(duì)大規(guī)模蛋白質(zhì)組數(shù)據(jù)的定量分析與歸一化流程，克服了不同實(shí)驗(yàn)操作

10、、不同質(zhì)譜儀器的差別，連續(xù)兩年完成了中國(guó)人類染色體蛋白質(zhì)組計(jì)劃中全部實(shí)驗(yàn)室產(chǎn)出的蛋白質(zhì)組數(shù)據(jù)定量分析任務(wù)，提供了準(zhǔn)確的定量結(jié)果，為后續(xù)分析奠定了基礎(chǔ)。
　　綜上所述，本研究緊密結(jié)合最新的定量蛋白質(zhì)組學(xué)實(shí)驗(yàn)技術(shù)和儀器的發(fā)展，著眼于質(zhì)譜數(shù)據(jù)中定量信息的深度解析和挖掘，重點(diǎn)研究了定量算法，并針對(duì)不同的定量實(shí)驗(yàn)策略設(shè)計(jì)、開發(fā)了相應(yīng)的定量軟件和工具。這些研究成果能夠直接應(yīng)用于蛋白質(zhì)組學(xué)的定量研究中，目前已經(jīng)在中國(guó)人類染色體蛋白質(zhì)組計(jì)劃等多批