[發明專利]一種從頭測序方法

有效

• 申請號: 201710913734.2
• 申請日: 2017-09-30
• 公開（公告）號: CN107729719B
• 公開（公告）日: 2020-05-26
• 發明（設計）人: 楊皓;遲浩;曾文鋒;周文婧;劉超;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: G16B25/00
• 分類號: G16B25/00;G16B45/00;G16B50/30
• 代理公司: 北京泛華偉業知識產權代理有限公司 11280
• 代理人: 王勇;李科

本發明提一種從頭測序方法，該方法包括：在通過酶切產生的兩個數據集中查找鏡像肽段對應的鏡像譜圖；從所述鏡像譜圖中檢測高可信譜峰和普通譜峰；根據所述高可信譜峰和普通譜峰構建有向無環圖，其中，所述高可信譜峰對應的結點是高可信結點，普通譜峰對應的結點是普通結點；基于所構建的有向無環圖生成候選肽段。本發明的方法利用鏡像譜圖相互佐證，能夠提高肽段從頭測序的準確率。

技術領域

本發明涉及生物信息技術領域，尤其涉及一種從頭測序方法。

背景技術

目前，基于質譜數據的蛋白質鑒定方法分為兩類：數據庫搜索和肽段從頭測序。由于蛋白質數據庫的不斷發展和完善，數據庫搜索是鑒定蛋白質的主要方法。然而，由于從頭測序方法不依賴于現有的數據庫，其根據肽段有規律碎裂的特點，直接從譜圖中推導出肽段序列，對于鑒定未知蛋白質、翻譯后修飾以及氨基酸突變等具有數據庫搜索方法不可替代的優勢。

現有的從頭測序方法主要分為三類：化學標記技術、質譜技術和基于算法的測序。基于化學標記技術的方法，可以將肽段的N端、C端、或者兩者同時進行標記，使得信號離子擁有質量差信息，通過質量差信息來有效區分信號峰以及噪音峰，例如，使用¹⁸O的H₂O進行標記，使得所有y離子均有2Da(Dalton)的質量偏差，從而有效的區分b離子和噪聲峰；基于質譜技術的方法，采用三級譜碎裂技術，在常規的二級譜基礎上，選擇高峰再次進行碎裂，使得譜圖的信噪比更高、數據質量更好，此外，基于質譜技術的方法還可利用不同碎裂方式的結合，例如CID+ETD、HCD+ETD、CID+HCD+ETD，或者利用最近出現的激光的UVPD(351nmultraviolet photodissociation)碎裂方式，該種方式會產生明顯多的y離子系列，幾乎很少的b離子，這樣不用去識別每根峰的離子類型(b還是y)；基于算法的測序方法包括：Open-pNovo、Novor、Uvnovo和DeepNovo等，其中Open-pNovo使用RankBoost排序方法對結果進行重排序，Novor使用決策樹為氨基酸以及肽段進行打分，Uvnovo使用隨機森林為每條肽段進行打分，DeepNovo使用深度學習來推斷下一個氨基酸類型。

然而，現有的從頭測序方法存在兩個問題：1)離子碎裂不全，從而無法區分AB和BA兩種情況，導致相當多的譜圖無法使用從頭測序方法獲取完整肽段；2)譜峰的離子類型未知，一般認為一根峰只能匹配一種類型的離子，因此，在譜峰的離子類型未知的情況下，需要枚舉每根峰的離子類型，在計算候選肽段時需要考慮反對稱約束進行求解，而這是個NP難(NP-hard)問題。

因此，需要對現有技術進行改進，以克服從頭測序方法存在的缺陷。

發明內容

本發明的目的在于提供一種改進的肽段從頭測序方法，其利用鏡像譜圖互相佐證來提高肽段鑒定的準確度。

根據本發明的第一方面，提供了一種從頭測序方法。該方法包括以下步驟：

步驟1：在通過酶切產生的兩個數據集中查找鏡像肽段對應的鏡像譜圖；

步驟2：從所述鏡像譜圖中檢測高可信譜峰和普通譜峰；

步驟3：根據所述高可信譜峰和普通譜峰構建有向無環圖，其中，所述高可信譜峰對應的結點是高可信結點，普通譜峰對應的結點是普通結點；

步驟4：基于所構建的有向無環圖生成候選肽段。

在本發明的從頭測序方法中，所述兩個數據集是使用胰蛋白酶在氨基酸K、R的C端酶切產生的數據集以及使用鏡像胰蛋白酶在氨基酸的K、R的N端酶切產生的數據集。