论文部分内容阅读
随着“人类基因组计划”的提出,蛋白质组学迅速发展并在相关领域得到了广泛应用。以质谱数据分析为核心的蛋白质鉴定成为蛋白质组学研究的关键领域之一。目前蛋白质鉴定依赖于Mascot等付费或几个免费的数据库,考虑到蛋白质分析的复杂性,Mascot等付费数据库具有较好的性能但无法大规模推广。更关键的是,当前质谱仪的工作原理很可能忽略强度不高但极有价值的谱峰。针对上述问题,本文研究不依赖付费数据库的蛋白质直接鉴定系统,并期望能将算法嵌入质谱仪的实时处理流程中,以更为精确地获取数据。首先,本文讨论了蛋白质组学研究的背景和意义,并较为详细介绍了蛋白质质谱数据的结构和质谱图的基本分析过程,以及国内外在蛋白质研究领域的现状。其次,在简要介绍基于质谱进行蛋白质鉴定流程的基础上,详细说明了几种典型的蛋白质鉴定算法,包括从头测序法、序列搜索鉴定法、使用Tag的方法和质谱数据库搜索方法。然后,提出了蛋白质直接鉴定算法的基本思想,并重点说明了直接鉴定过程的几个关键步骤,包括质谱数据预处理,一级质谱数据分析和二级质谱数据分析。同时,结合“高精度质谱分析”和“稳定同位素快速验证”方法给出了直接蛋白质鉴定流程。最后,针对生物学数据分析平台Galaxy给出了直接蛋白质鉴定系统的设计思路和具体实现。该系统包含三个关键模块,分别是:质谱解析、一级质谱分析和二级质谱分析。系统采用适合质谱数据的开发语言(C++,python,perl),根据给出的设计方案在集成相关开源工具基础上完成了整个系统,可以通过(sam.galaxcloud.com)访问该系统。最终的测试表明,典型的质谱文件(Raw文件)可以作为系统输入,通过预处理、格式转换、一级和二级质谱分析,在不依赖蛋白质数据库的条件下,实现蛋白质鉴定。同时,所开发的算法能够在进一步简化的基础上嵌入到质谱仪中,从而进一步提高质谱仪的工作效率。