CN107328842A - 基于质谱谱图的无标蛋白质定量方法 - Google Patents
基于质谱谱图的无标蛋白质定量方法 Download PDFInfo
- Publication number
- CN107328842A CN107328842A CN201710411726.8A CN201710411726A CN107328842A CN 107328842 A CN107328842 A CN 107328842A CN 201710411726 A CN201710411726 A CN 201710411726A CN 107328842 A CN107328842 A CN 107328842A
- Authority
- CN
- China
- Prior art keywords
- mrow
- peptide fragment
- ion
- protein
- mass
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
- G01N33/6848—Methods of protein analysis involving mass spectrometry
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Chemical & Material Sciences (AREA)
- Urology & Nephrology (AREA)
- Immunology (AREA)
- Biomedical Technology (AREA)
- Hematology (AREA)
- Cell Biology (AREA)
- Medicinal Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Microbiology (AREA)
- Biophysics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Food Science & Technology (AREA)
- Biotechnology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种基于质谱谱图的无标蛋白质定量方法,包括如下步骤:通过理论酶切的理论蛋白质序列数据库获得相应的理论肽段集;提取一级质谱谱图(MS)上所有离子的提取离子流色谱图(XIC),并计算提取离子流色谱图上相应的保留时间(RT)和质荷比(M/Z);建立理论肽段集和提取离子流色谱图的同位素分布和保留时间的多重映射关系表。本发明提出采用结合智能优化算法的无标蛋白质定量算法,通过智能优化算法在上述多重映射关系表中取得理论肽段集和提取离子流色谱图的最佳映射关系并获得定量结果。通过进行肽段的高效定性,本发明能得到较高的蛋白质检测覆盖率,从而给蛋白质进行高通量定量。研究表明细胞中蛋白质表达丰度的变化对于疾病的早期诊断具有重要意义。
Description
技术领域
本发明属于生物信息学领域,尤其涉及一种基于质谱谱图的无标蛋白质定量方法。
背景技术
蛋白质组定量方法是近几十年来发展起来的,对生物标志物和药物靶标的研究具有重要意义。传统的方法,如双向荧光差异凝胶电泳法是很少使用因为其固有缺陷:很难有效的分离和解析低丰度和低疏水性蛋白质。质谱分析法是一种高通量的分析的蛋白质组学方法,能够通过收集的大量数据来分析复杂的样品。根据是否使用同位素标记,质谱分析法分为同位素标记定量法和无标记定量法。
同位素标记定量法存在着设备复杂、同位素标记费用昂贵和数据分析软件的要求特殊等缺点。
无标记方法依赖质谱仪。近年来质谱仪不断的更新换代,质谱仪的分辨率和扫描速率的提高使得无标记方法的结果也不断提升。在一个无标记方法分析过程中,可以识别出数十万个高质量肽段的多肽指纹图谱。由于质谱仪的扫描速度的增加,可以比较完整的捕获该肽用于蛋白质定量的强度分布。无标记定量方法不需要进行同位素标记,可以进行快速便宜的蛋白质定量分析。
LC-MS和LC-MS/MS是无标记定量方法的两种实验策略。它们的主要区别是后者使用二级质谱数据来进行定性蛋白质,而前者不需要。在以往的定量分析中,二级谱数据被用于确定肽段组成及蛋白质翻译后修饰信息,而无二级谱信息的大量一级谱谱图被废弃掉。
发明内容
本发明的目的在于提供一种基于质谱谱图的无标蛋白质定量方法,能够高效的利用一级谱谱图数据中的有效数据,有效的进行无标蛋白质的定量鉴定。
一种基于质谱谱图的无标蛋白质定量方法,它包括如下步骤:
步骤1:对一级谱谱图数据进行预处理;对二级谱谱图数据通过搜库软件进行分析得到二级谱谱图中所包含的肽段定性结果集;对输入的理论蛋白质序列数据库所包含的所有蛋白质序列进行酶切获得理论肽段集;
步骤2:在一级质谱谱图上按质荷比顺序依次提取一级质谱谱图上每个单个离子的提取离子流色谱图,并用一级质谱谱图上所有单个离子的提取离子流色谱图组成提取离子流色谱图集;根据二级谱谱图所含的肽段定性结果集将一级质谱谱图的提取离子流色谱图集分为:已经定性肽段的离子提取离子流色谱图集和未定性的肽段离子的提取离子流色谱图集;
步骤3:通过肽段离子质荷比匹配、肽段离子保留时间范围匹配、肽段离子同位素峰簇强度比匹配来建立理论肽段集和未定性的肽段离子提取离子流色谱图集的多对一映射关系表;智能优化算法在关系表中对目标函数求得最优结果集,得理论肽段集和未定性的肽段离子提取离子流色谱图集的最佳一对一映射关系;确定未定性的肽段离子的定性和定量结果;
步骤4:对定性的肽段进行蛋白质序列组装,再通过肽段的提取离子流色谱图进行定量分析,最终得到蛋白质的统计学分析结果。
所述步骤1具体包括:
s11.对一级质谱谱图进行去噪、去基线操作;
s12.对二级谱谱图数据进行搜库软件的搜索,得到肽段定性结果;
s13.对理论蛋白质序列数据库所包含的所有蛋白质序列在剪切位点进行酶切,并在酶切过程中去除实验中不存在的肽段。
所述在一级质谱谱图上按质荷比顺序依次提取一级质谱谱图上每个单个离子的提取离子流色谱图,具体包括:
s21.一级质谱谱图数据是三维数据包含质荷比、保留时间和信号强度,通过聚类方法将一级质谱谱图数据按质荷比和保留时间分成各个离子的聚类;
s22.对各个离子聚类进行降噪、平滑和同位素峰的处理,每个离子聚类对应一个肽段离子的提取离子流色谱图。
所述肽段离子同位素峰簇强度比匹配,具体包括:
s31.肽段离子同位素峰簇仅考虑5个同位素峰,则实验同位素峰簇与理论同位素峰簇匹配的具体关系计算公式如下:
Iei=aIti+b+εi
其中,Iei是指第i个实验同位素峰的峰强,Iti是指第i个理论同位素峰峰强,εi表示的是第i个峰的误差,i从1到5;a,b是Iei和Iti的线性拟合参数;
s32.采用最小二乘拟合使得误差εi的平方和最小,此时的拟合优度R2作为同位素峰簇匹配的指标,具体公式如下:
其中Iei是指第i个实验同位素峰的峰强,IAve是指实验同位素峰的峰强的平均值,εi表示的是第i个峰的误差,i从1到5。
所述智能优化算法目标函数如下:
其中n是理论蛋白质的总数,lipro是理论蛋白质i的长度,mi是理论蛋白质i的可能包含的肽段个数,ljpep是理论蛋白质i的某个肽段j的长度,λi是蛋白质i的权重。
所述对定性的肽段进行蛋白质序列组装,具体包括:肽段能够分为匹配至唯一蛋白质序列和匹配至多个不同蛋白质序列;当肽段匹配至唯一蛋白质序列时,唯一的蛋白质序列序成为被组装的蛋白质序列;当肽段匹配多个不同蛋白质序列时,利用是奥卡姆剃刀法则,使得最少的蛋白质集解释所有鉴定到的肽段,蛋白质集成为被组装的蛋白质序列。
本发明的有益效果在于能够对蛋白质定量结果达到较高的覆盖率。本发明采用智能优化算法来进行无标蛋白质的定量,通过智能优化算法在多重映射关系表中取得理论肽段集合和实验肽段集合的最佳映射关系。通过高效进行肽段的定性,本发明得到较高的蛋白质检测覆盖率,从而能给蛋白质进行高通量定量。研究表明细胞中蛋白质表达丰度的变化对于疾病的早期诊断具有重要意义,本发明也因此具有实际的应用价值和作用。
附图说明
图1为本发明流程图;
图2为肽段离子分辨率示意图;
图3为提取离子流色谱图结构示意图;
图4为同位素峰簇匹配指标示意图;
图5为智能优化算法定性肽段示意图。
具体实施方式
结合以下具体实施例和附图,对本发明作进一步的详细说明。实施本发明的过程、条件、实验方法等,除以下专门提及的内容之外,均为本领域的普遍知识和公知常识,本发明没有特别限制内容。
本发明实施例的基于质谱谱图的无标蛋白质定量方法共分四个步骤,如图1所示,分别是:
Ⅰ)、一级谱谱图数据和二级谱谱图数据由质谱仪器通过实验生成。
对于一级谱谱图数据,进行去噪、去基线操作。
对于二级谱谱图数据,数据库搜索软件(如mascot)对其进行数据库搜索得到二级谱谱图肽段定性结果。
对已知的理论蛋白质序列数据库(如RefSeq数据库、UniProt数据库、Ensembl数据库等,这里选用RefSeq数据库)进行Trypsin(胰蛋白酶)酶切,即对蛋白质序列的R位点和K位点进行酶切,并对酶切得到的肽段集合进行筛选,去除其中长度过短的肽段(位点长度小于4),最终生成理论肽段集。
Ⅱ)、2.1一级质谱谱图数据是三维数据包含质荷比、保留时间和信号强度,如图3a是一个一级质谱谱图的三维图。质荷比轴是区分各个不同质荷比,质谱仪器每次测量时按照不同的质荷比区分测得离子的强度。保留时间在质谱谱图上也表示扫描的次数,质谱仪器按照相同的时间间隔进行离子强度的测量,每扫描一次得到一张质谱图,整个实验时间段质谱图组成一级质谱谱图。
2.2由于质谱仪器的测量精度是有限的,使得某些一级谱谱图上相邻质荷比离子的信号强度重叠(图2a),为了区分这部分肽段离子,本发明中定义了肽段离子分辨率R:
其中△m为两峰的最大重叠信号强度(图2b),mi(i=1,2)分别为重叠的两个肽段离子峰的信号强度。当R<λR时(其中λR为阈值,这里取0.1),认为两个肽段离子可区分,否则认为相邻的两个肽段离子强度不可区分。
本步骤的有益效果是区分了一级谱谱图上相邻质荷比离子的信号强度重叠问题,提出了肽段离子分辨率R,使得一级谱谱图相邻质荷比离子的干扰问题能够有所解决。
2.3由于质谱仪器的实验误差,本发明需要通过聚类方法将质荷比和保留时间上的精度和误差进行缩小和部分消除。聚类方法将一级质谱谱图数据按质荷比和保留时间分成各个离子的聚类,并对各个离子聚类进行降噪、平滑和同位素峰的处理。最终每个离子聚类对应一个肽段离子的提取离子流色谱图。
2.4提取离子色谱图就是从质谱谱图中提取的某个特定离子的色谱图。其中色谱图是一个关于信号强度和保留时间的二维图。在排除噪音等干扰的情况下,能拟合成完整信号强度、保留时间波形图的离子才被认为是有效离子如图3a中被虚线圈中的离子。图3b就是图3a中被虚线圈中的离子的提取离子色谱图。
2.5提取离子流色谱图集就是将一系列提取离子流色谱图组合到一起,如图3c就是图3b中的两个提取离子色谱图的集合的三维显示。根据二级谱谱图所含的肽段定性结果集将一级质谱谱图的提取离子流色谱图集分为:已经定性肽段的离子提取离子流色谱图集和未定性的肽段离子的提取离子流色谱图集;
Ⅲ)、3.1建立理论肽段集和未定性的肽段离子提取离子流色谱图集的多对一映射关系表需要通过肽段离子质荷比匹配、肽段离子保留时间范围匹配和肽段离子同位素峰簇强度比匹配。
肽段离子质荷比匹配需要验证理论肽段集中离子和未定性的肽段离子提取离子流色谱图集中离子的质荷比是否在质谱仪器的实验精度和误差范围内。
肽段离子保留时间范围匹配需要验证理论肽段集中离子和未定性的肽段离子提取离子流色谱图集中离子的保留时间是否在允许的时间段误差内(这里设为20分钟)。
肽段离子同位素峰簇强度比匹配需要验证理论肽段集中离子和未定性的肽段离子提取离子流色谱图集中离子的同位素峰簇匹配指标是否在设定范围内(设为0.9)。理论肽段集合中的肽段和未定性的实验肽段离子集合所属的肽段的同位素峰簇匹配方法如下:
给出实验同位素峰簇与理论同位素峰簇匹配的具体关系计算公式:
Iei=aIti+b+εi
其中,Iei是指第i个实验同位素峰的峰强(如图4),Iti是指第i个理论同位素峰峰强,εi表示的是第i个峰的误差(i=1~5)。
采用最小二乘拟合使得误差εi的平方和最小,此时的拟合优度R2便可以作为同位素峰簇匹配指标。具体公式如下:
其中Iei是指实验同位素峰的峰强,IAve是指实验同位素峰的峰强的平均值,εi表示的是第i个峰的误差(i=1~5)。
3.2为了求得理论肽段集和未定性的肽段离子提取离子流色谱图集的最佳一对一映射关系(如图5b),本发明变换成使用智能优化算法求如下目标函数:
其中lipro是理论蛋白质i的长度,ljpep是理论蛋白质i的某个肽段j的长度,λi是蛋白质i的权重。
取得目标函数F的最优值时,最佳理论肽段和提取离子流色谱图对也相应的匹配出来。智能优化算法定性肽段原理如图5所示。
本发明的有益效果是增加了传统无标定量所无法定性的肽段离子的定性和定量。
Ⅳ)、对定性的肽段进行蛋白质序列组装,肽段可分为匹配至唯一蛋白质序列和匹配至多个不同蛋白质序列两种情况。
肽段可匹配至唯一蛋白质序列时,唯一的蛋白质序列序成为被组装的蛋白质序列。
肽段可匹配多个不同蛋白质序列时,利用奥卡姆剃刀法则,使得最少的蛋白质集解释所有鉴定到的肽段,蛋白质集就是被组装的蛋白质序列集。
将肽段可匹配至唯一蛋白质序列和可匹配多个不同蛋白质序列两种情况结合起来得到定性的肽段所组装的蛋白质序列集。
在组装的过程中通过对肽段的提取离子流色谱图定量分析,得到肽段所属的蛋白质的定量信息。通过蛋白质的定量信息最终得到蛋白质的统计学分析结果。
Claims (6)
1.一种基于质谱谱图的无标蛋白质定量方法,其特征在于,该方法包括如下步骤:
步骤1:对一级谱谱图数据进行预处理;对二级谱谱图数据通过搜库软件进行分析得到二级谱谱图中所包含的肽段定性结果集;对输入的理论蛋白质序列数据库所包含的所有蛋白质序列进行酶切获得理论肽段集;
步骤2:在一级质谱谱图上按质荷比顺序依次提取一级质谱谱图上每个单个离子的提取离子流色谱图,并用一级质谱谱图上所有单个离子的提取离子流色谱图组成提取离子流色谱图集;根据二级谱谱图所含的肽段定性结果集将一级质谱谱图的提取离子流色谱图集分为:已经定性肽段的离子提取离子流色谱图集和未定性的肽段离子的提取离子流色谱图集;
步骤3:通过肽段离子质荷比匹配、肽段离子保留时间范围匹配、肽段离子同位素峰簇强度比匹配来建立理论肽段集和未定性的肽段离子提取离子流色谱图集的多对一映射关系表;智能优化算法在关系表中对目标函数求得最优结果集,得理论肽段集和未定性的肽段离子提取离子流色谱图集的最佳一对一映射关系;确定未定性的肽段离子的定性和定量结果;
步骤4:对定性的肽段进行蛋白质序列组装,再通过肽段的提取离子流色谱图进行定量分析,最终得到蛋白质的统计学分析结果。
2.如权利要求1所述的基于质谱谱图的无标蛋白质定量方法,其特征在于,步骤1具体包括:
s11.对一级质谱谱图进行去噪、去基线操作;
s12.对二级谱谱图数据进行搜库软件的搜索,得到肽段定性结果;
s13.对理论蛋白质序列数据库所包含的所有蛋白质序列在剪切位点进行酶切,并在酶切过程中去除实验中不存在的肽段。
3.如权利要求1所述的基于质谱谱图的无标蛋白质定量方法,其特征在于,所述在一级质谱谱图上按质荷比顺序依次提取一级质谱谱图上每个单个离子的提取离子流色谱图,具体包括:
s21.一级质谱谱图数据是三维数据包含质荷比、保留时间和信号强度,通过聚类方法将一级质谱谱图数据按质荷比和保留时间分成各个离子的聚类;
s22.对各个离子聚类进行降噪、平滑和同位素峰的处理,每个离子聚类对应一个肽段离子的提取离子流色谱图。
4.如权利要求1所述的基于质谱谱图的无标蛋白质定量方法,其特征在于,所述肽段离子同位素峰簇强度比匹配,具体包括:
s31.肽段离子同位素峰簇仅考虑5个同位素峰,则实验同位素峰簇与理论同位素峰簇匹配的具体关系计算公式如下:
Iei=aIti+b+εi
其中,Iei是指第i个实验同位素峰的峰强,Iti是指第i个理论同位素峰峰强,εi表示的是第i个峰的误差,i从1到5;a,b是Iei和Iti的线性拟合参数;
s32.采用最小二乘拟合使得误差εi的平方和最小,此时的拟合优度R2作为同位素峰簇匹配的指标,具体公式如下:
<mrow>
<msup>
<mi>R</mi>
<mn>2</mn>
</msup>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>5</mn>
</msubsup>
<msub>
<mi>&epsiv;</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>5</mn>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>e</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>A</mi>
<mi>v</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>I</mi>
<mrow>
<mi>A</mi>
<mi>v</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>5</mn>
</msubsup>
<msub>
<mi>I</mi>
<mrow>
<mi>e</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>/</mo>
<mn>5</mn>
</mrow>
其中Iei是指第i个实验同位素峰的峰强,IAve是指实验同位素峰的峰强的平均值,εi表示的是第i个峰的误差,i从1到5。
5.如权利要求1所述的基于质谱谱图的无标蛋白质定量方法,其特征在于,所述智能优化算法目标函数如下:
<mrow>
<mi>F</mi>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
</msubsup>
<msub>
<mi>l</mi>
<mrow>
<mi>j</mi>
<mi>p</mi>
<mi>e</mi>
<mi>p</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>l</mi>
<mrow>
<mi>i</mi>
<mi>p</mi>
<mi>r</mi>
<mi>o</mi>
</mrow>
</msub>
</mfrac>
</mrow>
其中n是理论蛋白质的总数,lipro是理论蛋白质i的长度,mi是理论蛋白质i的可能包含的肽段个数,ljpep是理论蛋白质i的某个肽段j的长度,λi是蛋白质i的权重。
6.如权利要求1所述的基于质谱谱图的无标蛋白质定量方法,其特征在于,所述对定性的肽段进行蛋白质序列组装,具体包括:肽段能够分为匹配至唯一蛋白质序列和匹配至多个不同蛋白质序列;当肽段匹配至唯一蛋白质序列时,唯一的蛋白质序列序成为被组装的蛋白质序列;当肽段匹配多个不同蛋白质序列时,利用是奥卡姆剃刀法则,使得最少的蛋白质集解释所有鉴定到的肽段,蛋白质集成为被组装的蛋白质序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710411726.8A CN107328842B (zh) | 2017-06-05 | 2017-06-05 | 基于质谱谱图的无标蛋白质定量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710411726.8A CN107328842B (zh) | 2017-06-05 | 2017-06-05 | 基于质谱谱图的无标蛋白质定量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107328842A true CN107328842A (zh) | 2017-11-07 |
CN107328842B CN107328842B (zh) | 2019-10-01 |
Family
ID=60194398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710411726.8A Active CN107328842B (zh) | 2017-06-05 | 2017-06-05 | 基于质谱谱图的无标蛋白质定量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107328842B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109507348A (zh) * | 2018-10-24 | 2019-03-22 | 科迈恩(北京)科技有限公司 | 聚合物型药用辅料组成成分的计算机辅助分析系统及方法 |
CN109507315A (zh) * | 2018-11-15 | 2019-03-22 | 宁夏医科大学 | 复杂样本gc-ms自动解析实现化合物准确鉴别与差异性组分筛查的方法 |
CN109541222A (zh) * | 2018-11-08 | 2019-03-29 | 新乡医学院 | 蛋白质棕榈酰化修饰位点的检测方法 |
CN110310706A (zh) * | 2018-03-19 | 2019-10-08 | 中国人民解放军军事科学院军事医学研究院 | 一种蛋白质无标绝对定量方法 |
CN111220690A (zh) * | 2018-11-27 | 2020-06-02 | 中国科学院大连化学物理研究所 | 一种低丰度蛋白质翻译后修饰组的直接质谱检测方法 |
CN112630345A (zh) * | 2020-12-14 | 2021-04-09 | 中国计量科学研究院 | 检测氘标记化合物同位素分布与丰度的方法 |
CN113284563A (zh) * | 2021-04-20 | 2021-08-20 | 厦门大学 | 一种蛋白质质谱定量分析结果的筛选方法及系统 |
CN113362899A (zh) * | 2021-04-20 | 2021-09-07 | 厦门大学 | 一种基于深度学习的蛋白质质谱数据的分析方法及系统 |
CN113552204A (zh) * | 2020-04-02 | 2021-10-26 | 株式会社岛津制作所 | 质谱分析方法和质谱系统 |
CN114639444A (zh) * | 2022-03-31 | 2022-06-17 | 南京医科大学 | 一种基于深度学习提高单细胞蛋白质组鉴定覆盖率的方法 |
CN117095743A (zh) * | 2023-10-17 | 2023-11-21 | 山东鲁润阿胶药业有限公司 | 一种小分子肽阿胶的多肽谱匹配数据分析方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070099304A1 (en) * | 2005-10-17 | 2007-05-03 | Puente Aniel S | Method for the selective isolation of multiply-charged peptides applicable in the quantitative proteomics |
CN102395886A (zh) * | 2009-04-17 | 2012-03-28 | 玛丽女王和威斯菲尔德学院 | 用于对修饰的肽进行定量的方法 |
CN103776891A (zh) * | 2013-09-04 | 2014-05-07 | 中国科学院计算技术研究所 | 一种检测差异表达蛋白质的方法 |
CN104237363A (zh) * | 2013-06-14 | 2014-12-24 | 中国科学院大连化学物理研究所 | 一种蛋白质定量方法 |
-
2017
- 2017-06-05 CN CN201710411726.8A patent/CN107328842B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070099304A1 (en) * | 2005-10-17 | 2007-05-03 | Puente Aniel S | Method for the selective isolation of multiply-charged peptides applicable in the quantitative proteomics |
CN102395886A (zh) * | 2009-04-17 | 2012-03-28 | 玛丽女王和威斯菲尔德学院 | 用于对修饰的肽进行定量的方法 |
CN104237363A (zh) * | 2013-06-14 | 2014-12-24 | 中国科学院大连化学物理研究所 | 一种蛋白质定量方法 |
CN103776891A (zh) * | 2013-09-04 | 2014-05-07 | 中国科学院计算技术研究所 | 一种检测差异表达蛋白质的方法 |
Non-Patent Citations (3)
Title |
---|
DEBORAH H LUNDGREN ET AL.: "Role of spectral counting in quantitative proteomics", 《EXPERT REVIEW OF PROTEOMICS》 * |
ZHEN WANG ET AL.: "Research on Efficient Algorithm of Peptide Identification and Quantification in Proteomics", 《INTERNATIONAL CONFERENCE ON BIOMEDICAL AND BIOLOGICAL ENGINEERING (BBE 2016)》 * |
常乘等: "基于质谱的定量蛋白质组学策略和方法研究进展", 《中国科学:生命科学》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110310706A (zh) * | 2018-03-19 | 2019-10-08 | 中国人民解放军军事科学院军事医学研究院 | 一种蛋白质无标绝对定量方法 |
CN110310706B (zh) * | 2018-03-19 | 2020-08-18 | 中国人民解放军军事科学院军事医学研究院 | 一种蛋白质无标绝对定量方法 |
CN109507348A (zh) * | 2018-10-24 | 2019-03-22 | 科迈恩(北京)科技有限公司 | 聚合物型药用辅料组成成分的计算机辅助分析系统及方法 |
CN109541222A (zh) * | 2018-11-08 | 2019-03-29 | 新乡医学院 | 蛋白质棕榈酰化修饰位点的检测方法 |
CN109507315A (zh) * | 2018-11-15 | 2019-03-22 | 宁夏医科大学 | 复杂样本gc-ms自动解析实现化合物准确鉴别与差异性组分筛查的方法 |
CN111220690A (zh) * | 2018-11-27 | 2020-06-02 | 中国科学院大连化学物理研究所 | 一种低丰度蛋白质翻译后修饰组的直接质谱检测方法 |
CN113552204A (zh) * | 2020-04-02 | 2021-10-26 | 株式会社岛津制作所 | 质谱分析方法和质谱系统 |
CN112630345A (zh) * | 2020-12-14 | 2021-04-09 | 中国计量科学研究院 | 检测氘标记化合物同位素分布与丰度的方法 |
CN113284563A (zh) * | 2021-04-20 | 2021-08-20 | 厦门大学 | 一种蛋白质质谱定量分析结果的筛选方法及系统 |
CN113362899A (zh) * | 2021-04-20 | 2021-09-07 | 厦门大学 | 一种基于深度学习的蛋白质质谱数据的分析方法及系统 |
CN113362899B (zh) * | 2021-04-20 | 2023-12-19 | 厦门大学 | 一种基于深度学习的蛋白质质谱数据的分析方法及系统 |
CN113284563B (zh) * | 2021-04-20 | 2024-04-09 | 厦门大学 | 一种蛋白质质谱定量分析结果的筛选方法及系统 |
CN114639444A (zh) * | 2022-03-31 | 2022-06-17 | 南京医科大学 | 一种基于深度学习提高单细胞蛋白质组鉴定覆盖率的方法 |
CN117095743A (zh) * | 2023-10-17 | 2023-11-21 | 山东鲁润阿胶药业有限公司 | 一种小分子肽阿胶的多肽谱匹配数据分析方法及系统 |
CN117095743B (zh) * | 2023-10-17 | 2024-01-05 | 山东鲁润阿胶药业有限公司 | 一种小分子肽阿胶的多肽谱匹配数据分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107328842B (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107328842B (zh) | 基于质谱谱图的无标蛋白质定量方法 | |
CN110838340B (zh) | 一种不依赖数据库搜索的蛋白质生物标志物鉴定方法 | |
Moore et al. | Qscore: an algorithm for evaluating SEQUEST database search results | |
CN104297355B (zh) | 一种基于液相色谱/质谱联用的拟靶标代谢组学分析方法 | |
CN109828068B (zh) | 质谱数据采集及分析方法 | |
US20070158542A1 (en) | Mass spectrometry | |
CN105334279B (zh) | 一种高分辨质谱数据的处理方法 | |
JP2003533672A (ja) | 非標的化複雑試料分析の方法 | |
CN103884806B (zh) | 结合二级质谱和机器学习算法的蛋白质组无标记定量方法 | |
CN108844941B (zh) | 一种基于拉曼光谱和pca-hca的不同品位磷矿的鉴别和分类方法 | |
KR101341591B1 (ko) | N―연결형 당펩티드의 동정 및 정량을 위한 생물정보처리 분석 방법 | |
US20070095757A1 (en) | Methods and systems for the annotation of biomolecule patterns in chromatography/mass-spectrometry analysis | |
CN103776891A (zh) | 一种检测差异表达蛋白质的方法 | |
CN109946413B (zh) | 脉冲式数据非依赖性采集质谱检测蛋白质组的方法 | |
CN113552204A (zh) | 质谱分析方法和质谱系统 | |
CN104820011B (zh) | 一种蛋白质翻译后修饰定位的方法 | |
WO2011058883A1 (ja) | 液体クロマトグラフィー質量分析装置、及び液体クロマトグラフィー質量分析装置を用いた分析方法 | |
CN111537659A (zh) | 一种筛选生物标志的方法 | |
KR101311412B1 (ko) | 당 동정을 위한 새로운 생물정보처리 분석 방법 | |
CN107209156A (zh) | 经由曲线减法检测基于质谱的相似性 | |
US10937639B2 (en) | Precursor selection for data-dependent tandem mass spectrometry | |
CN101169417A (zh) | 用磁珠支持基质及质谱判断正常人与肝癌的试剂盒和方法 | |
CN111739583B (zh) | 基于优化数据库(Sub-Lib)的数据非依赖性质谱检测方法 | |
CN110763784B (zh) | 基于数据挖掘的高纯多肽中肽段杂质分析方法 | |
US20150141290A1 (en) | Method for quantification of proteome |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |