九九热视频精品在线_国产成人mv视频在线观看_国产精品三级一区二区_亚洲精品国产av成拍色拍婷婷_久久伊人一区二区_国产高清精品网站_九九99热久久精品离线6_国产在线一卡2卡三卡4卡免费_日韩美女乱淫aaa高清视频_亚洲大胆_啪啪一级视频_午夜av免费观看_国产高清精品福利私拍国产写真_亚洲婷婷五月综合狠狠_日韩欧美一区二区三区视频_岛国av免费看_精品国产乱码久久久久久久软件_亚洲国产成人精品无码区99_www日本色_免费黄色看片

編輯 | 蘿卜皮

從頭肽測序不依賴于全面的靶序列數(shù)據(jù)庫，這為科學(xué)家提供了一種從串聯(lián)質(zhì)譜中識別新肽的方法。然而，當(dāng)前的從頭測序算法的準(zhǔn)確性和覆蓋率較低，這阻礙了它們在蛋白質(zhì)組學(xué)中的應(yīng)用。

印第安納大學(xué)（Indiana University，IU）的研究人員提出了 PepNet，一種用于高精度從頭肽測序的全卷積神經(jīng)網(wǎng)絡(luò)。PepNet 將 MS/MS 譜（表示為高維向量）作為輸入，并輸出最佳肽序列及其置信度得分。PepNet 模型使用來自多個人類肽譜庫的總共 300 萬個高能碰撞解離 MS/MS 譜圖進(jìn)行訓(xùn)練。

評估結(jié)果表明，PepNet 在肽級精度和位置級精度方面均顯著優(yōu)于當(dāng)前性能最佳的從頭測序算法（例如 PointNovo 和 DeepNovo）。PepNet 可以對數(shù)據(jù)庫搜索引擎未識別的大部分光譜進(jìn)行測序，因此可以用作數(shù)據(jù)庫搜索引擎的補充工具，用于蛋白質(zhì)組學(xué)中的肽識別。

此外，PepNet 在 GPU 上的運行速度分別比 PointNovo 和 DeepNovo 快 3 倍和 7 倍，因此更適合大規(guī)模蛋白質(zhì)組數(shù)據(jù)的分析。

該研究以「Accurate de novo peptide sequencing using fully convolutional neural networks」為題，于 2023 年 12 月 2 日發(fā)布在《Nature Communications》。

過去十年見證了質(zhì)譜技術(shù)的巨大進(jìn)步，特別是液相色譜耦合串聯(lián)質(zhì)譜（LC-MS/MS）。隨著通量和靈敏度的提高，LC-MS/MS 已成為對包括人類在內(nèi)的高等生物體的各種生理（例如疾病）條件下的整個蛋白質(zhì)組規(guī)模的蛋白質(zhì)功能研究最廣泛使用的方法之一。

在典型的蛋白質(zhì)組學(xué)實驗中，獲得 MS/MS 譜圖后，第一步（可以說是最重要的步驟）是從這些譜圖中識別肽。人們開發(fā)了許多算法來解決這個問題，這些算法主要分為三類：蛋白質(zhì)數(shù)據(jù)庫搜索、光譜庫搜索和從頭測序。

蛋白質(zhì)數(shù)據(jù)庫搜索是肽鑒定的主要方法。肽序列標(biāo)簽法和 Sequest 算法是該類較早的算法。最近的開發(fā)包括 Mascot、X!Tandem、OMSSA、MyriMatch、Protein Prospector 和 MSGF+。這些方法將實驗光譜與蛋白質(zhì)數(shù)據(jù)庫中肽生成的理論光譜進(jìn)行比較，并報告那些可能真實的肽光譜匹配（PSM）。

相比之下，光譜庫搜索方法將新采集的 MS/MS 光譜與包含早期計算分析中使用的先前表征的實驗光譜的庫進(jìn)行比較。由于 MS/MS 數(shù)據(jù)的重復(fù)性和再現(xiàn)性的提高以及大量實驗光譜的可用性不斷提高（例如，來自蛋白質(zhì)組學(xué)數(shù)據(jù)存儲庫和大規(guī)模合成肽項目），光譜庫搜索方法已被越來越多地采用，并在 X!hunter、SpectraST 和 msSLASH 等軟件工具中實施。

最后，從頭測序算法嘗試直接從 MS/MS 譜圖中導(dǎo)出肽序列，而不使用譜庫或蛋白質(zhì)序列數(shù)據(jù)庫等參考資料。許多從頭測序算法采用圖論公式，通過動態(tài)規(guī)劃算法和自適應(yīng)評分方案來計算譜圖中的最長路徑。隨著高分辨率 MS 儀器的進(jìn)步，從頭測序算法的性能顯著提高，特別是在更復(fù)雜的評分方案中。

近期，DeepNovo 及其后繼模型 PointNovo 是使用深度學(xué)習(xí)算法開發(fā)的，該算法可以從大量肽的 MS/MS 譜圖中自動學(xué)習(xí)與肽序列相關(guān)的碎片離子模式，并報告了性能的改進(jìn)。這些方法利用深度神經(jīng)網(wǎng)絡(luò) (DNN) 架構(gòu)來捕獲輸入串聯(lián)質(zhì)譜中碎片離子之間的依賴性，隨后將其用于按順序構(gòu)建肽。

盡管這些方法比傳統(tǒng)的從頭測序算法表現(xiàn)出更好的性能，但研究人員觀察到它們可以對相對較少的長肽進(jìn)行測序，特別是來自 Charge 3+ MS/MS 譜圖，這可能是由于對碎片離子之間復(fù)雜的長程模式進(jìn)行建模的挑戰(zhàn)。另一方面，PredFull 采用的卷積神經(jīng)網(wǎng)絡(luò)（CNN）架構(gòu)進(jìn)行完整的 MS/MS 譜預(yù)測，展示了 CNN 學(xué)習(xí) MS/MS 譜中復(fù)雜模式的優(yōu)勢。

因此，IU 的研究人員開發(fā)了一種名為 PepNet 的深度學(xué)習(xí)模型，與之前的方法相比，該模型顯著提高了串聯(lián)質(zhì)譜從頭肽測序的性能。

圖：PepNet 的神經(jīng)網(wǎng)絡(luò)架構(gòu)。（來源：論文）

研究人員首先證明 PepNet 能夠?qū)θ祟?MS/MS 譜圖進(jìn)行高精度測序，然后證明 PepNet 可以在來自許多非人類生物體的 MS/MS 數(shù)據(jù)中始終表現(xiàn)良好。此外，對未識別光譜的從頭測序結(jié)果表明，PepNet 有能力從 MaxQuant 忽略的光譜中發(fā)現(xiàn)大量識別，產(chǎn)生的識別比 MaxQuant 之前檢測到的識別多幾倍。

圖：PepNet、PointNovo 和 DeepNovo 在人類蛋白質(zhì)組數(shù)據(jù)集中的 2+ 和 3+ 電荷譜上的準(zhǔn)確度和精度覆蓋曲線。（來源：論文）

平均而言，在相當(dāng)?shù)木人较拢琍epNet 可以比其他工具多 2.5-19 倍地測序未識別的光譜。

這表明，盡管 PepNet 是使用 MaxQuant 等數(shù)據(jù)庫搜索工具測序的肽進(jìn)行訓(xùn)練的，但 PepNet（和其他 de novo 算法）不受訓(xùn)練樣本的特定肽知識的限制。因此，PepNet 可以用作蛋白質(zhì)組數(shù)據(jù)分析的強(qiáng)大工具，特別是當(dāng)沒有全面的目標(biāo)蛋白質(zhì)序列數(shù)據(jù)庫時（例如，在宏蛋白質(zhì)組學(xué)中）。

研究人員認(rèn)為，高精度肽測序的能力將使從頭肽測序在蛋白質(zhì)組學(xué)數(shù)據(jù)分析中的應(yīng)用不斷增加。除了論文里介紹的 HCD 譜圖肽測序之外，PepNet 還可以擴(kuò)展到使用其他碎片方法獲取的 MS/MS 譜圖，例如電子轉(zhuǎn)移解離（ETD）、電子轉(zhuǎn)移/高能碰撞解離（EThcD）、光解離（PD）和紅外多光子解離（IRMPD）。這些方法通常被認(rèn)為會產(chǎn)生復(fù)雜的 MS/MS 譜圖，其中嵌入復(fù)雜 MS/MS 譜圖的豐富信息有望提高從頭肽測序的準(zhǔn)確性。

總而言之，PepNet 顯著提高了從頭肽測序的準(zhǔn)確性，因此可以作為數(shù)據(jù)庫搜索引擎的補充工具，用于蛋白質(zhì)組學(xué)中的肽鑒定。因此，研究人員認(rèn)為 PepNet 將提高蛋白質(zhì)組學(xué)數(shù)據(jù)分析的效率，并造福生命科學(xué)研究。