[發明專利]一種蛋白質鑒定的大規模分布式并行加速方法及其系統

有效

• 申請號: 201010292032.5
• 申請日: 2010-09-26
• 公開（公告）號: CN102411680A
• 公開（公告）日: 2012-04-11
• 發明（設計）人: 王樂珩;王文平;遲浩;吳妍潔;周郴;付巖;孫瑞祥;賀思敏
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06F19/18
• 分類號: G06F19/18
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 祁建國;梁揮

技術領域

本發明涉及一種規模化蛋白質鑒定的分布式并行加速方法，特別是涉及一種采用分布式并行技術以在多個計算節點上，有效分擔搜索任務從而提高蛋白質鑒定速度的方法及其系統。

背景技術

“蛋白質組”(Proteome)描繪了特定生物樣品中在給定時刻和給定條件下表達的蛋白質的全體。顧名思義，蛋白質組學就是對蛋白質組的研究，其最基本的任務就是確定出哪些蛋白質在生物體內得到了表達、表達量是多少、翻譯后修飾以及蛋白與蛋白相互作用等，由此獲得蛋白質水平上關于疾病發生、細胞代謝等過程的整體而全面的認識。在當前的蛋白質組研究中，基于串聯質譜的蛋白質鑒定是最廣泛使用的技術之一，參考文獻1《Aebersold，R.and?Mann，M.Mass?spectrometry-based?proteomics，Nature，2003，422：198-207》中對相關的內容有較為詳細的說明。

基于串聯質譜鑒定蛋白質的基本步驟是：首先將混合蛋白樣品酶切為肽，經過液相色譜分離后，進入質譜儀，得到肽的實驗串聯質譜圖，然后對質譜圖進行分析，得到對應的肽序列，最后通過肽到蛋白質歸并分析，得到混合蛋白樣品中的蛋白質列表，從而達到對蛋白質進行鑒定的目的。在鑒定產生實驗串聯質譜的肽序列的過程中，數據庫搜索的方法被廣泛采用。如在參考文獻2《Eng，J.K.，McCormack，A.L.and?Yates，J.R.An?approach?to?correlate?tandemmass?spectral?data?of?peptides?with?amino?acid?sequences?in?a?protein?database.JAm?Soc?Mass?Spectrom，1994，5：976-989》、參考文獻3《Perkins，D.N.，Pappin，D.J.，Creasy，D.M.and?Cottrell，J.S.Probability-based?protein?identification?by?searchingsequence?databases?using?mass?spectrometry?data.Electrophoresis，1999，20：3551-3567》以及參考文獻4《Field，H.I.，，D.and?Beavis，R.C.RADARS，a?bioinformatics?solution?that?automates?proteome?mass?spectral?analysis，optimisesprotein?identification，and?archives?data?in?a?relational?database.Proteomics，2002，2：36-47》中都對采用數據庫搜索的方法實現肽序列的鑒定做了詳細說明。

采用數據庫搜索的方法通過肽序列鑒定實現蛋白質鑒定的方法主要包括以下步驟：首先，模擬生物學中的酶切規則將蛋白質數據庫中的蛋白質序列切分成肽序列；然后計算切分得到的各個肽序列的質量；最后利用質譜數據中的母離子質量誤差窗口尋找符合一定質量范圍內的肽序列，將符合要求的肽序列輸入給打分函數以實現對肽序列的鑒定。

由于近年來隨著蛋白質數據庫的規模不斷增長，對非特異性酶切肽的鑒定需求不斷增加，導致肽序列的規模不斷增大，同時，質譜數據的生成速度也在不斷增長，因此對蛋白質的鑒定速度提出了更高的要求。但前述的蛋白質鑒定方法在效率上卻有不足，因此需要對上述的數據庫搜索方法進行加速。