JP2005532565A

JP2005532565A - ペプチド及びタンパク質の同定方法

Info

Publication number: JP2005532565A
Application number: JP2004520920A
Authority: JP
Inventors: ロンアッペル，; パトリシアヘルナンデズ，; ロバングラ，
Original assignee: Institut Suisse de Bioinformatique
Current assignee: Institut Suisse de Bioinformatique
Priority date: 2002-07-10
Filing date: 2002-07-10
Publication date: 2005-10-27
Also published as: US20050288865A1; EP1520243A1; AU2002345287A1; WO2004008371A1

Abstract

ペプチド及びタンパク質の同定を、対応するタンデム質量分析データから出発して行うための方法である。より詳細には、本方法は、１つ以上のタンパク質又はペプチドを含むサンプルに対してタンデム質量分析を行う工程と、分析結果のスペクトルのそれぞれを縮約してピークリストにする工程と、物理化学的知識を考慮に入れて前記ピークリストに対して可能な解釈をリストして解釈済みピークリストにする工程と、生物学的知識を考慮に入れて前記解釈済みピークリストを構造化して構造化表現にする工程と、前記構造化表現を生物学的配列データベースとマッチングする工程と、前記データベース内でペプチドの最良のマッチング結果又は結果群を決定する工程とを含む。

Description

本発明はプロテオミクス（ｐｒｏｔｅｏｍｉｃｓ）の分野に関し、詳細には、実験的に得られたタンデム質量分析データ（ＭＳ／ＭＳデータ）から出発して、ペプチド及びタンパク質を同定するための方法及びシステムに関する。より詳細には、この方法は、構造化されたデータを生物学的配列データベースとマッチングする間にＭＳ／ＭＳデータに含まれる情報の完全な利用ができるようなやり方による、ＭＳ／ＭＳデータの解釈及び構造化を含むものである。

以下の文献は、本文中に引用したもの、又は従来技術に関するものである。
米国特許第５９９３６２７号米国特許第６２７７２５９号国際公開第００／５５６３６号ＢａｆｎａＶ．ａｎｄＥｄｗａｒｄｓＮ．、「ＳＣＯＰＥ：ａｐｒｏｂａｂｉｌｉｓｔｉｃｍｏｄｅｌｆｏｒｓｃｏｒｉｎｇｔａｎｄｅｍｍａｓｓｓｐｅｃｔｒａａｇａｉｎｓｔａｐｅｐｔｉｄｅｄａｔａｂａｓｅ」、２００１年、ＢｉｏｉｎｆｏｒｍａｔｉｃｓＳｕｐｐｌ１、１３〜２１頁Ｂａｉｒｏｃｈ，Ａ．、ａｎｄＡｐｗｅｉｌｅｒ，Ｒ．、「ＴｈｅＳＷＩＳＳ−ＰＲＯＴｐｒｏｔｅｉｎｓｅｑｕｅｎｃｅｄａｔａｂａｓｅａｎｄｉｔｓｓｕｐｐｌｅｍｅｎｔＴｒＥＭＢＬｉｎ２０００」、２０００年、ＮｕｃｌｅｉｃＡｃｉｄｓＲｅｓ．２８、４５〜４８頁Ｂａｒｋｅｒ，Ｗ．Ｃ．、Ｇａｒａｖｅｌｌｉ，Ｊ．Ｓ．、Ｈｕａｎｇ，Ｈ．、ＭｃＧａｒｖｅｙ，Ｐ．Ｂ．、Ｏｒｃｕｔｔ，Ｂ．Ｃ．、Ｓｒｉｎｉｖａｓａｒａｏ，Ｇ．Ｙ．、Ｘｉａｏ，Ｃ．、Ｙｅｈ，Ｌ．Ｓ．、Ｌｅｄｌｅｙ，Ｒ．Ｓ．、Ｊａｎｄａ，Ｊ．Ｆ．、Ｐｆｅｉｆｆｅｒ，Ｆ．、Ｍｅｗｅｓ，Ｈ．Ｗ．、Ｔｓｕｇｉｔａ，Ａ．、ａｎｄＷｕ，Ｃ．、「Ｔｈｅｐｒｏｔｅｉｎｉｎｆｏｒｍａｔｉｏｎｒｅｓｏｕｒｃｅ（ＰＩＲ）」、２０００年、ＮｕｃｌｅｉｃＡｃｉｄｓＲｅｓ．２８、４１〜４４頁ＢａｒｔｅｌｓＣ．、「Ｆａｓｔａｌｇｏｒｉｔｈｍｆｏｒｐｅｐｔｉｄｅｓｅｑｕｅｎｃｉｎｇｂｙｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ」、１９９０年、Ｂｉｏｍｅｄ．Ｅｎｖiｒｏｎ．Ｍａｓｓ．Ｓｐｅｃｔｒｏｍ．１９、３６３〜３６８頁Ｂｅｎｓｏｎ，Ｄ．Ａ．、Ｋａｒｓｃｈ−Ｍｉｚｒａｃｈｉ，Ｉ．、Ｌｉｐｍａｎ，Ｄ．Ｊ．、Ｏｓｔｅｌｌ，Ｊ．、Ｒａｐｐ，Ｂ．Ａ．、ａｎｄＷｈｅｅｌｅｒ，Ｄ．Ｌ．、「ＧｅｎＢａｎｋ」、２００２年、ＮｕｃｌｅｉｃＡｃｉｄｓＲｅｓ．３０、１７〜２０頁ＢｏｎａｂｅａｕＥ．、ＤｏｒｉｇｏＭ．、ａｎｄＴｈｅｒａｕｌａｚＧ．、「ＳｗａｒｍＩｎｔｅｌｌｉｇｅｎｃｅ．ＦｒｏｍＮａｔｕｒａｌｔｏＡｒｔｉｆｉｃｉａｌＳｙｓｔｅｍｓ」、１９９９年、ＯｘｆｏｒｄＵｎｉｖｅｒｓｉｔｙＰｒｅｓｓＣｈｅｎ，Ｔ．、Ｋａｏ，Ｍ．Ｙ．、Ｔｅｐｅｌ，Ｍ．、Ｒｕｓｈ，Ｊ．、ａｎｄＣｈｕｒｃｈ，Ｇ．Ｍ．、「Ａｄｙｎａｍｉｃｐｒｏｇｒａｍｍｉｎｇａｐｐｒｏａｃｈｔｏｄｅｎｏｖｏｐｅｐｔｉｄｅｓｅｑｕｅｎｃｉｎｇｖiａｔａｎｄｅｍｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ」、２００１年、Ｊ．Ｃｏｍｐｕｔ．Ｂｉｏｌ．８、３２５〜３３７頁ＣｌａｕｓｅｒＫ．Ｒ．、ＨａｌｌＳ．Ｃ．、ＳｍｉｔｈＤ．Ｍ．、ＷｅｂｂＪ．Ｗ．、ＡｎｄｒｅｗｓＬ．Ｅ．、ＴｒａｎＨ．Ｍ．、ＥｐｓｔｅｉｎＬ．Ｂ．、ａｎｄＢｕｒｌｉｎｇａｍｅＡ．Ｌ．、「Ｒａｐｉｄｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｉｃｐｅｐｔｉｄｅｓｅｑｕｅｎｃｉｎｇａｎｄｍａｓｓｍａｔｃｈｉｎｇｆｏｒｃｈａｒａｃｔｅｒｉｚａｔｉｏｎｏｆｈｕｍａｎｍｅｌａｎｏｍａｐｒｏｔｅｉｎｓｉｓｏｌａｔｅｄｂｙｔｗｏ−ｄｉｍｅｎｓｉｏｎａｌＰＡＧＥ」、１９９５年、ＰｒｏｃＮａｔｌＡｃａｄＳｃｉＵＳＡ９２（１１）、５０７２〜５０７６頁Ｄａｎｃｉｋ，Ｖ．、Ａｄｄｏｎａ，Ｔ．Ａ．、Ｃｌａｕｓｅｒ，Ｋ．Ｒ．、Ｖａｔｈ，Ｊ．Ｅ．、ａｎｄＰｅｖｚｎｅｒ，Ｐ．Ａ．、「Ｄｅｎｏｖｏｐｅｐｔｉｄｅｓｅｑｕｅｎｃｉｎｇｖiａｔａｎｄｅｍｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ」、１９９９年、Ｊ．Ｃｏｍｐｕｔ．Ｂｉｏｌ．６、３２７〜３４２頁Ｄｏｒｉｇｏ，Ｍ．ａｎｄＤｉＣａｒｏ，Ｇ．、「ＴｈｅＡｎｔＣｏｌｏｎｙＯｐｔｉｍｉｚａｔｉｏｎＭｅｔａ−Ｈｅｕｒｉｓｔｉｃ」、１９９９年、ＮｅｗＩｄｅａｓｉｎＯｐｔｉｍｉｚａｔｉｏｎ、Ｄ．Ｍ．Ｇ．Ｆ．Ｅ．ＣｏｒｎｅＤ．（編）Ｅｄｍａｎ，Ｐ．、「Ｓｅｑｕｅｎｃｅｄｅｔｅｒｍｉｎａｔｉｏｎ」、１９７０年、Ｍｏｌ．Ｂｉｏｌ．Ｂｉｏｃｈｅｍ．Ｂｉｏｐｈｙｓ．８、２１１〜２５５頁ＥｎｇＪ．Ｋ、ＭｃＣｏｒｍａｃｋ，Ａ．Ｌ．、ａｎｄＹａｔｅｓ，Ｉ．Ｊ．Ｒ．、「Ａｎａｐｐｒｏａｃｈｔｏｃｏｒｒｅｌａｔｅｔａｎｄｅｍｍａｓｓｓｐｅｃｔｒａｌｄａｔａｏｆｐｅｐｔｉｄｅｓｗｉｔｈａｍｉｎｏａｃｉｄｓｅｑｕｅｎｃｅｓｉｎａｐｒｏｔｅｉｎｄａｔａｂａｓｅ」、１９９４年、Ｊ．Ａｍ．Ｓｏｃ．ＭａｓｓＳｐｅｃｔｒｏｍ．５、９７６〜９８９頁Ｆｅｎｙｏ，Ｄ．、Ｑｉｎ，Ｊ．、ａｎｄＣｈａｉｔ，Ｂ．Ｔ．、「Ｐｒｏｔｅｉｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｕｓｉｎｇｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｉｃｉｎｆｏｒｍａｔｉｏｎ」、１９９８年、Ｅｌｅｃｔｒｏｐｈｏｒｅｓｉｓ１９、９９８〜１００５頁Ｆｅｒｎａｎｄｅｚ−ｄｅ−Ｃｏｓｓｉｏ，Ｊ．、Ｇｏｎｚａｌｅｚ，Ｊ．、ａｎｄＢｅｓａｄａ，Ｖ．、「Ａｃｏｍｐｕｔｅｒｐｒｏｇｒａｍｔｏａｉｄｔｈｅｓｅｑｕｅｎｃｉｎｇｏｆｐｅｐｔｉｄｅｓｉｎｃｏｌｌｉｓｉｏｎ−ａｃｔｉｖａｔｅｄｄｅｃｏｍｐｏｓｉｔｉｏｎｅｘｐｅｒｉｍｅｎｔｓ」、１９９５年、Ｃｏｍｐｕｔ．Ａｐｐｌ．Ｂｉｏｓｃｉ．１１、４２７〜４３４頁Ｆｅｒｎａｎｄｅｚ−ｄｅ−Ｃｏｓｓｉｏ，Ｊ．、Ｇｏｎｚａｌｅｚ，Ｊ．、Ｂｅｔａｎｃｏｕｒｔ，Ｌ．、Ｂｅｓａｄａ，Ｖ．、Ｐａｄｒｏｎ，Ｇ．、Ｓｈｉｍｏｎｉｓｈｉ，Ｙ．、ａｎｄＴａｋａｏ，Ｔ．、「Ａｕｔｏｍａｔｅｄｉｎｔｅｒｐｒｅｔａｔｉｏｎｏｆｈｉｇｈ−ｅｎｅｒｇｙｃｏｌｌｉｓｉｏｎ−ｉｎｄｕｃｅｄｄｉｓｓｏｃｉａｔｉｏｎｓｐｅｃｔｒａｏｆｓｉｎｇｌｙｐｒｏｔｏｎａｔｅｄｐｅｐｔｉｄｅｓｂｙ ‘ＳｅｑＭＳ’、ａｓｏｆｔｗａｒｅａｉｄｆｏｒｄｅｎｏｖｏｓｅｑｕｅｎｃｉｎｇｂｙｔａｎｄｅｍｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ」、１９９８年、ＲａｐｉｄＣｏｍｍｕｎ．ＭａｓｓＳｐｅｃｔｒｏｍ．１２、１８６７〜１８７８頁Ｆｅｒｎａｎｄｅｚ−ｄｅ−Ｃｏｓｓｉｏ，Ｊ．、Ｇｏｎｚａｌｅｚ，Ｊ．、Ｓａｔｏｍｉ，Ｙ．、Ｓｈｉｍａ，Ｔ．、Ｏｋｕｍｕｒａ，Ｎ．、Ｂｅｓａｄａ，Ｖ．、Ｂｅｔａｎｃｏｕｒｔ，Ｌ．、Ｐａｄｒｏｎ，Ｇ．、Ｓｈｉｍｏｎｉｓｈｉ，Ｙ．、ａｎｄＴａｋａｏ，Ｔ．、「Ａｕｔｏｍａｔｅｄｉｎｔｅｒｐｒｅｔａｔｉｏｎｏｆｌｏｗ−ｅｎｅｒｇｙｃｏｌｌｉｓｉｏｎ−ｉｎｄｕｃｅｄｄｉｓｓｏｃｉａｔｉｏｎｓｐｅｃｔｒａｂｙＳｅｑＭＳ、ａｓｏｆｔｗａｒｅａｉｄｆｏｒｄｅｎｏｖｏｓｅｑｕｅｎｃｉｎｇｂｙｔａｎｄｅｍｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ」、２０００年、Ｅｌｅｃｔｒｏｐｈｏｒｅｓｉｓ２１、１６９４〜１６９９頁Ｇａｔｌｉｎ，Ｃ．Ｌ．、Ｅｎｇ，Ｊ．Ｋ．、Ｃｒｏｓｓ，Ｓ．Ｔ．、Ｄｅｔｔｅｒ，Ｊ．Ｃ．、ａｎｄＹａｔｅｓ，Ｊ．Ｒ．、ＩＩＩ、「ＡｕｔｏｍａｔｅｄｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆａｍｉｎｏａｃｉｄｓｅｑｕｅｎｃｅｖａｒｉａｔｉｏｎｓｉｎｐｒｏｔｅｉｎｓｂｙＨＰＬＣ／ｍｉｃｒｏｓｐｒａｙｔａｎｄｅｍｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ」、２０００年、Ａｎａｌ．Ｃｈｅｍ．７２、７５７〜７６３頁ＧｏｎｎｅｔＧ．Ｈ、「ＡｔｕｔｏｒｉａｌＩｎｔｒｏｄｕｃｔｉｏｎｔｏＣｏｍｐｕｔａｔｉｏｎａｌＢｉｏｃｈｅｍｉｓｔｒｙＵｓｉｎｇＤａｒｗｉｎ」、１９９２年、Ｅ．Ｔ．Ｈ．Ｚｕｒｉｃｈ、ＳｗｉｔｚｅｒｌａｎｄＲｅｆＴｙｐｅ：ＲｅｐｏｒｔＧｒａｓ，Ｒ．、Ｍｕｌｌｅｒ，Ｍ．、Ｇａｓｔｅｉｇｅｒ，Ｅ．、Ｇａｙ，Ｓ．、Ｂｉｎｚ，Ｐ．Ａ．、Ｂｉｅｎｖｅｎｕｔ，Ｗ．、Ｈｏｏｇｌａｎｄ，Ｃ．、Ｓａｎｃｈｅｚ，Ｊ．Ｃ．、Ｂａｉｒｏｃｈ，Ａ．、Ｈｏｃｈｓｔｒａｓｓｅｒ，Ｄ．Ｆ．、ａｎｄＡｐｐｅｌ，Ｒ．Ｄ．、「Ｉｍｐｒｏｖiｎｇｐｒｏｔｅｉｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｆｒｏｍｐｅｐｔｉｄｅｍａｓｓｆｉｎｇｅｒｐｒｉｎｔｉｎｇｔｈｒｏｕｇｈａｐａｒａｍｅｔｒｉｚｅｄｍｕｌｔｉ−ｌｅｖｅｌｓｃｏｒｉｎｇａｌｇｏｒｉｔｈｍａｎｄａｎｏｐｔｉｍｉｚｅｄｐｅａｋｄｅｔｅｃｔｉｏｎ」、１９９９年、Ｅｌｅｃｔｒｏｐｈｏｒｅｓｉｓ２０、３５３５〜３５５０頁ＧｒａｓＲ．、ＧａｓｔｅｉｇｅｒＥ．、ＣｈｏｐａｒｄＢ．、ＭｕｌｌｅｒＭ．、ａｎｄＡｐｐｅｌＲ．Ｄ、「Ｎｅｗｌｅａｒｎｉｎｇｍｅｔｈｏｄｔｏｉｍｐｒｏｖiｎｇｐｒｏｔｅｉｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｆｒｏｍｐｅｐｔｉｄｅｍａｓｓｆｉｎｇｅｒｐｒｉｎｔｉｎｇ」、２０００年、４ｔｈＳｉｅｎａ２ＤｅｌｅｃｔｒｏｐｈｏｒｅｓｉｓｍｅｅｔｉｎｇＲｅｆＴｙｐｅ：ＣｏｎｆｅｒｅｎｃｅＰｒｏｃｅｅｄｉｎｇＧｒａｓＲ．ａｎｄＭｕｌｌｅｒＭ．、「Ｃｏｍｐｕｔａｔｉｏｎａｌａｓｐｅｃｔｓｏｆｐｒｏｔｅｉｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｂｙｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ」、２００１年、ＣｕｒｒｅｎｔＯｐｉｎｉｏｎｉｎＭｏｌｅｃｕｌａｒＴｈｅｒａｐｅｕｔｉｃｓ３、５２６〜５３２頁ＨｉｎｅｓＷ．Ｍ．、ＦａｌｉｃｋＡ．Ｍ．、ＢｕｒｌｉｎｇａｍｅＡ．Ｌ．、ａｎｄＧｉｂｓｏｎＢ．Ｗ．、「Ｐａｔｔｅｒｎ−ｂａｓｅｄａｌｇｏｒｉｔｈｍｆｏｒｐｅｐｔｉｄｅｓｅｑｕｅｎｃｉｎｇｆｒｏｍｔａｎｄｅｍｍａｓｓｓｐｅｃｔｒａｏｆｐｅｐｔｉｄｅｓ」、１９９２年、Ｊ．ＡｍｅｒｉｃａｎＳｏｃｉｅｔｙｆｏｒＭａｓｓＳｐｅｃｔｒｏｍｅｔｒｙ３、３２６〜３３６頁Ｉｓｈｉｋａｗａ，Ｋ．ａｎｄＮｉｗａ，Ｙ．、「Ｃｏｍｐｕｔｅｒ−ａｉｄｅｄｐｅｐｔｉｄｅｓｅｑｕｅｎｃｉｎｇｂｙｆａｓｔａｔｏｍｂｏｍｂａｒｄｍｅｎｔｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ」、１９８６年、Ｂｉｏｍｅｄ．Ｅｎｖiｒｏｎ．ＭａｓｓＳｐｅｃｔｒｏｍ１３、３７３〜３８０頁Ｊｏｈｎｓｏｎ，Ｒ．Ｓ．ａｎｄＢｉｅｍａｎｎ，Ｋ．、「Ｃｏｍｐｕｔｅｒｐｒｏｇｒａｍ（ＳＥＱＰＥＰ）ｔｏａｉｄｉｎｔｈｅｉｎｔｅｒｐｒｅｔａｔｉｏｎｏｆｈｉｇｈ−ｅｎｅｒｇｙｃｏｌｌｉｓｉｏｎｔａｎｄｅｍｍａｓｓｓｐｅｃｔｒａｏｆｐｅｐｔｉｄｅｓ」、１９８９年、Ｂｉｏｍｅｄ．Ｅｎｖiｒｏｎ．ＭａｓｓＳｐｅｃｔｒｏｍ１８、９４５〜９５７頁Ｊｏｈｎｓｏｎ，Ｒ．Ｓ．ａｎｄＴａｙｌｏｒ，Ｊ．Ａ．、「Ｓｅａｒｃｈｉｎｇｓｅｑｕｅｎｃｅｄａｔａｂａｓｅｓｖiａｄｅｎｏｖｏｐｅｐｔｉｄｅｓｅｑｕｅｎｃｉｎｇｂｙｔａｎｄｅｍｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ」、２０００年、ＭｅｔｈｏｄｓＭｏｌ．Ｂｉｏｌ．１４６、４１〜６１頁ＫｅｎｎｅｄｙＪ．ａｎｄＥｂｅｒｈａｒｔＲ．Ｃ．、「ＳｗａｒｍＩｎｔｅｌｌｉｇｅｎｃｅ」、２００１年、ＭｏｒｇａｎＫａｕｆｍａｎｎＭａｎｎ，Ｍ．、Ｈｏｊｒｕｐ，Ｐ．、ａｎｄＲｏｅｐｓｔｏｒｆｆ，Ｐ．、「Ｕｓｅｏｆｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｉｃｍｏｌｅｃｕｌａｒｗｅｉｇｈｔｉｎｆｏｒｍａｔｉｏｎｔｏｉｄｅｎｔｉｆｙｐｒｏｔｅｉｎｓｉｎｓｅｑｕｅｎｃｅｄａｔａｂａｓｅｓ」、１９９３年、Ｂｉｏｌ．ＭａｓｓＳｐｅｃｔｒｏｍ２２、３３８〜３４５頁Ｍａｎｎ，Ｍ．、ａｎｄＷｉｌｍ，Ｍ．、「Ｅｒｒｏｒ−ｔｏｌｅｒａｎｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｐｅｐｔｉｄｅｓｉｎｓｅｑｕｅｎｃｅｄａｔａｂａｓｅｓｂｙｐｅｐｔｉｄｅｓｅｑｕｅｎｃｅｔａｇｓ」、１９９４年、Ａｎａｌ．Ｃｈｅｍ．６６、４３９０〜４３９９頁ＰａｐｐｉｎＤ．Ｄ．Ｊ．、ＨｏｊｒｕｐＰ．、ａｎｄＢｌｅａｓｂｙＡ．Ｊ．、「Ｒａｐｉｄｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｐｒｏｔｅｉｎｓｂｙｐｅｐｔｉｄｅ−ｍａｓｓｆｉｎｇｅｒｐｒｉｎｔｉｎｇ」、１９９３年、ＣｕｒｒＢｉｏｌ．３、３２７〜３２２頁ＰｅｒｋｉｎｓＤ．Ｎ．、ＰａｐｐｉｎＤ．Ｄ．Ｊ．、ＣｒｅａｓｙＤ．Ｍ．、ａｎｄＣｏｔｔｒｅｌｌＪ．Ｓ．、「Ｐｒｏｂａｂｉｌｉｔｙ−ｂａｓｅｄｐｒｏｔｅｉｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｂｙｓｅａｒｃｈｉｎｇｓｅｑｕｅｎｃｅｄａｔａｂａｓｅｓｕｓｉｎｇｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙｄａｔａ」、１９９９年、Ｅｌｅｃｔｒｏｐｈｏｒｅｓｉｓ２０、３５５１〜３５６７頁Ｐｅｖｚｎｅｒ，Ｐ．Ａ．、Ｄａｎｃｉｋ，Ｖ．、ａｎｄＴａｎｇ，Ｃ．Ｌ．、「Ｍｕｔａｔｉｏｎ−ｔｏｌｅｒａｎｔｐｒｏｔｅｉｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｂｙｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ」、２０００年、Ｊ．Ｃｏｍｐｕｔ．Ｂｉｏｌ．７、７７７〜７８７頁Ｐｅｖｚｎｅｒ，Ｐ．Ａ．、Ｍｕｌｙｕｋｏｖ，Ｚ．、Ｄａｎｃｉｋ，Ｖ．、ａｎｄＴａｎｇ，Ｃ．Ｌ．、「Ｅｆｆｉｃｉｅｎｃｙｏｆｄａｔａｂａｓｅｓｅａｒｃｈｆｏｒｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｍｕｔａｔｅｄａｎｄｍｏｄｉｆｉｅｄｐｒｏｔｅｉｎｓｖiａｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ」、２００１年、ＧｅｎｏｍｅＲｅｓ．１１、２９０〜２９９頁ＳａｋｕｒａｉＴ．、ＭａｔｓｕｏＴ．、ＭａｔｓｕｄａＨ．、ａｎｄＫａｔａｋｕｓｅＩ．、「Ｐａａｓ３：Ａｃｏｍｐｕｔｅｒｐｒｏｇｒａｍｔｏｄｅｔｅｒｍｉｎｅｐｒｏｂａｂｌｅｓｅｑｕｅｎｃｅｏｆｐｅｐｔｉｄｅｓｆｒｏｍｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｉｃｄａｔａ」、１９８４年、Ｂｉｏｍｅｄ．Ｍａｓｓｓｐｅｃｔｒｕｍ．１１（８）、３９６〜３９９頁Ｓｉｅｇｅｌ，Ｍ．Ｍ、ａｎｄＢａｕｍａｎ，Ｎ．、「Ａｎｅｆｆｉｃｉｅｎｔａｌｇｏｒｉｔｈｍｆｏｒｓｅｑｕｅｎｃｉｎｇｐｅｐｔｉｄｅｓｕｓｉｎｇｆａｓｔａｔｏｍｂｏｍｂａｒｄｍｅｎｔｍａｓｓｓｐｅｃｔｒａｌｄａｔａ」、１９８８年、Ｂｉｏｍｅｄ．Ｅｎｖiｒｏｎ．ＭａｓｓＳｐｅｃｔｒｏｍ．１５、３３３〜３４３頁Ｓｔｏｅｓｓｅｒ，Ｇ．、Ｂａｋｅｒ，Ｗ．、ｖａｎｄｅｎ，Ｂ．Ａ．、Ｃａｍｏｎ，Ｅ．、Ｇａｒｃｉａ−Ｐａｓｔｏｒ，Ｍ．、Ｋａｎｚ，Ｃ．、Ｋｕｌｉｋｏｖａ，Ｔ．、Ｌｅｉｎｏｎｅｎ，Ｒ．、Ｌｉｎ，Ｑ．、Ｌｏｍｂａｒｄ，Ｖ．、Ｌｏｐｅｚ，Ｒ．、Ｒｅｄａｓｃｈｉ，Ｎ．、Ｓｔｏｅｈｒ，Ｐ．、Ｔｕｌｉ，Ｍ．Ａ．、Ｔｚｏｕｖａｒａ，Ｋ．、ａｎｄＶａｕｇｈａｎ，Ｒ．、「ＴｈｅＥＭＢＬＮｕｃｌｅｏｔｉｄｅＳｅｑｕｅｎｃｅＤａｔａｂａｓｅ」、２００２年、ＮｕｃｌｅｉｃＡｃｉｄｓＲｅｓ．３０、２１〜２６頁Ｔａｔｅｎｏ，Ｙ．、Ｉｍａｎｉｓｈｉ，Ｔ．、Ｍｉｙａｚａｋｉ，Ｓ．、Ｆｕｋａｍｉ−Ｋｏｂａｙａｓｈｉ，Ｋ．、Ｓａｉｔｏｕ，Ｎ．、Ｓｕｇａｗａｒａ，Ｈ．、ａｎｄＧｏｊｏｂｏｒｉ，Ｔ．、「ＤＮＡＤａｔａＢａｎｋｏｆＪａｐａｎ（ＤＤＢＪ）ｆｏｒｇｅｎｏｍｅｓｃａｌｅｒｅｓｅａｒｃｈｉｎｌｉｆｅｓｃｉｅｎｃｅ」、２００２年、ＮｕｃｌｅｉｃＡｃｉｄｓＲｅｓ．３０、２７〜３０頁Ｔａｙｌｏｒ，Ｊ．Ａ．ａｎｄＪｏｈｎｓｏｎ，Ｒ．Ｓ．、「Ｓｅｑｕｅｎｃｅｄａｔａｂａｓｅｓｅａｒｃｈｅｓｖiａｄｅｎｏｖｏｐｅｐｔｉｄｅｓｅｑｕｅｎｃｉｎｇｂｙｔａｎｄｅｍｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ」、１９９７年、ＲａｐｉｄＣｏｍｍｕｎ．ＭａｓｓＳｐｅｃｔｒｏｍ．１１、１０６７〜１０７５頁Ｔａｙｌｏｒ，Ｊ．Ａ．ａｎｄＪｏｈｎｓｏｎ，Ｒ．Ｓ．、「Ｉｍｐｌｅｍｅｎｔａｔｉｏｎａｎｄｕｓｅｓｏｆａｕｔｏｍａｔｅｄｄｅｎｏｖｏｐｅｐｔｉｄｅｓｅｑｕｅｎｃｉｎｇｂｙｔａｎｄｅｍｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ」、２００１年、Ａｎａｌ．Ｃｈｅｍ．７３、２５９４〜２６０４頁ＷｉｌｋｉｎｓＭ．Ｒ．、ＧａｓｔｅｉｇｅｒＥ．、ＢａｉｒｏｃｈＡ．、ＳａｎｃｈｅｚＪ．Ｃ．、ＷｉｌｌｉａｍｓＫ．Ｌ．、ＡｐｐｅｌＲ．Ｄ．、ａｎｄＨｏｃｈｓｔｒａｓｓｅｒＤ．Ｆ．、「ＰｒｏｔｅｉｎｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｔｏｏｌｓｉｎＥｘＰＡＳｙｓｅｒｖｅｒ」、１９９９年ａ、ＭｅｔｈｏｄｓＭｏｌＢｉｏｌ１１２、５３１〜５５２頁ＷｉｌｋｉｎｓＭ．Ｒ．、ＧａｓｔｅｉｇｅｒＥ．、ＷｈｅｅｌｅｒＣ．Ｈ．、ＬｉｎｄｓｋｏｇＩ．、ＳａｎｃｈｅｚＪ．Ｃ．、ＢａｉｒｏｃｈＡ．、ＡｐｐｅｌＲ．Ｄ．、ＤｕｎｎＭ．Ｊ．、ａｎｄＨｏｃｈｓｔｒａｓｓｅｒＤ．Ｆ．、「Ｍｕｌｔｉｐｌｅｐａｒａｍｅｔｅｒｃｒｏｓｓ−ｓｐｅｃｉｅｓｐｒｏｔｅｉｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｕｓｉｎｇＭｕｌｔｉｄｅｎｔ − ａｗｏｒｌｄ−ｗｉｄｅｗｅｂａｃｃｅｓｓｉｂｌｅｔｏｏｌ」、１９９９年ｂ、Ｅｌｅｃｔｒｏｐｈｏｒｅｓｉｓ１９、３１９９〜３２０６頁Ｙａｔｅｓ，Ｉ．Ｊ．Ｒ、ＥｎｇＪ．Ｋ．、ａｎｄＭｃＣｏｒｍａｋＡ．Ｌ．、「Ｍｉｎｉｎｇｇｅｎｏｍｅｓ：ｃｏｒｒｅｌａｔｉｎｇｔａｎｄｅｍｍａｓｓｓｐｅｃｔｒａｏｆｍｏｄｉｆｉｅｄａｎｄｕｎｍｏｄｉｆｉｅｄｐｅｐｔｉｄｅｓｔｏｓｅｑｕｅｎｃｅｓｉｎｎｕｃｌｅｏｔｉｄｅｄａｔａｂａｓｅｓ」、１９９５年、Ａｎａｌ．Ｃｈｅｍ．６７（１８）、３２０２〜３２１０頁ＹａｔｅｓＩＩＩＪ．Ｒ．、ＥｎｇＪ．Ｋ．、ＣｌａｕｓｅｒＫ．、ａｎｄＢｕｒｌｉｎｇａｍｅＡ．Ｌ．、「ＳｅａｒｃｈｏｆＳｅｑｕｅｎｃｅＤａｔａｂａｓｅｓｗｉｔｈＵｎｉｎｔｅｒｐｒｅｔｅｄＨｉｇｈ−ＥｎｅｒｇｙＣｏｌｌｉｓｉｏｎ−ＩｎｄｕｃｅｄＤｉｓｓｏｃｉａｔｉｏｎＳｐｅｃｔｒａｏｆＰｅｐｔｉｄｅｓ」、１９９６年、Ｊ．ＡｍｅｒｉｃａｎＳｏｃｉｅｔｙｆｏｒＭａｓｓＳｐｅｃｔｒｏｍｅｔｒｙ７、１０８９〜１０９８頁Ｚｈａｎｇ，Ｗ．ａｎｄＣｈａｉｔ，Ｂ．Ｔ．、「ＰｒｏＦｏｕｎｄ：ａｎｅｘｐｅｒｔｓｙｓｔｅｍｆｏｒｐｒｏｔｅｉｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｕｓｉｎｇｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｉｃｐｅｐｔｉｄｅｍａｐｐｉｎｇｉｎｆｏｒｍａｔｉｏｎ」、２０００年、Ａｎａｌ．Ｃｈｅｍ．７２、２４８２〜２４８９頁

プロテオミクス（ｐｒｏｔｅｏｍｉｃｓ）は、ゲノムに含まれる遺伝子の発現の結果生じるタンパク質の研究である。同じゲノムを有する細胞どうしで、タンパク質の発現にかなりの変種があるために、対応するゲノムごとに数多くのプロテオームが存在する。その結果、膨大な量の情報が関係することになり、プロテオームの研究はゲノムの研究よりも更に複雑となっている。

プロテオミクスの１つの典型的な目標は、所与の条件下で所与の組織又は細胞内のタンパク質の発現を同定することである。プロテオミクスのもう１つの目標は、条件（例えば疾患ｖｓ統制：disease VS control）を変えて同一の組織、細胞又は生理学的液体内のタンパク質の発現を比較し、異なる発現をするタンパク質を同定することである。

近年、プロテオミクス研究は、ますます強力になったタンパク質の精製／分離技法、質量分析及び同定の技法、ならびに様々な組織からの大規模なタンパク質及び核酸データベースの開発により、重要性を増してきている。

従来のプロテオームを解析するための方法は、１次元及び２次元ポリアクリルアミドゲルによる電気泳動法による分離を含む。１次元ゲル法は、一般に、細胞破砕液の粗い分離を達成するのに使用され、最も多く存在する複数のタンパク質を分離し検出することが可能である。２次元ゲルの電気泳動法は、数百のタンパク質スポットを分離する能力のあるより強力な方法であり、ここでスポットパターンはタンパク質の発現の特徴を示す。ゲル電気泳動法による典型的な分離基準は、電荷（等電点ｐＩ）と分子量とを含む。しかしながら、ゲル電気泳動法（１次元及び２次元）には、タンパク質のスクリーニング及び同定にとって、ある基本的な限界がある。ゲル電気泳動法の分離は、低速で限られた分解能しかない（すなわち、限られた数のタンパク質（スポット）どうししか区別できない）。特許文献１、特許文献２、及び特許文献３で例示されるように、近年、自動化により２次元ゲルの電気泳動法から生じるより大量のデータを処理することができるようになった。

より高い分解能は、キャピラリー電気泳動、ガス・クロマトグラフィー、マイクロチャネル・ネットワーク、液体クロマトグラフィー、高圧液体クロマトグラフィー（ＨＰＬＣ：ｈｉｇｈｐｒｅｓｓｕｒｅｌｉｑｕｉｄｃｈｒｏｍａｔｏｇｒａｐｈｙ）などの他のクロマトグラフィー分離法を、ゲル電気泳動法に対して補完的に又は単独で使用することによって得ることができる。こうした方法により、より多くの数のタンパク質の分離が、（サンプル量が少ない、分子量が小さい、タンパク質が高度に塩基性又は疎水性であるなどの）困難な条件であっても可能になる。分離基準は、ゲル電気泳動法と同様に、電荷及び分子量、ならびに疎水性及び他の物理化学的基準を含む。

分離後には、そのタンパク質をシーケンシング又は他の手段によって同定する必要がある。タンパク質中のアミノ酸残基の配列の決定は、従来、Ｎ末端エドマン分解（非特許文献１１：Ｅｄｍａｎ、１９７０）という手段によって行われていた。エドマン・シーケンシングは、残念ながら、かなりの量（１０〜１００ｐｍｏｌのオーダー）のタンパク質を必要とし、これは現在のほとんどの分離技法から得られる量を超えている。実際に、エドマン・シーケンシングが可能なのは、１次元又は２次元ゲルの電気泳動法の後に限られ、それも見出される最も多く存在するタンパク質種に対してだけである。

今日、ほとんどの大規模タンパク質同定手順では、エドマン分解ではなく、質量分析（ＭＳ：ｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ）データが出発点として使用されている。質量分析により、分析するタンパク質の分子質量が正確に決定される。質量分析を行う前に、タンパク質を切断してより小さいペプチドにすることにより、更に情報を得ることができる。タンパク質の切断は酵素を手段とするのが普通であり、アルギニン又はリジンのＣ末側を特異的に切断するトリプシンが最も一般的である。

質量分析データからの同定方法はいくつかある（非特許文献２１：ＧｒａｓａｎｄＭｕｌｌｅｒ、２００１）。最も広く使用されている方法は、消化プロセスの結果から生じるペプチドの質量を質量分析によって測定することである。その結果のＭＳスペクトルは、タンパク質ごとの特徴を示すペプチド・マス・フィンガープリント（ＰＭＦ：ｐｅｐｔｉｄｅｍａｓｓｆｉｎｇｅｒｐｒｉｎｔ）を表わしている。ペプチド・マス・フィンガープリントによる同定には、直接作成したものにせよ核酸データベースから引き出したものにせよ、予め存在するタンパク質のデータベースが必要である。同定は、ＭＳ（ＰＭＦ）によって得た実験上の質量／スペクトルと、データベースに存在する仮想的に消化したタンパク質の配列の理論的な質量／スペクトルとを比較することによって行われる。実験上のスペクトルと理論的なスペクトルとの間で共有される質量を、精緻さの高いあるいは低いスコア関数で使用して、タンパク質が同定される。一部のツール、ＰｅｐＳｅａ（非特許文献２７：Ｍａｎｎら、１９９３）、ＰｅｐｔｉｄｅＳｅａｒｃｈ（非特許文献２８：ＭａｎｎａｎｄＷｉｌｍ、１９９４）、ＰｅｐＩｄｅｎｔ／ＭｕｌｔＩｄｅｎｔ（非特許文献３９：Ｗｉｌｋｉｎｓら、１９９９ａ；非特許文献４０：Ｗｉｌｋｉｎｓら、１９９９ｂ）などは一致の数をカウントするだけであるが、他のもの、ＭａｓｓＳｅａｒｃｈ（非特許文献１８：Ｇｏｎｎｅｔ、１９９２）、ＭＯＷＳＥ（非特許文献２９：Ｐａｐｐｉｎら、１９９３）、ＭＳ−Ｆｉｔ（非特許文献８：Ｃｌａｕｓｅｒら、１９９５）、Ｍａｓｃｏｔ（非特許文献３０：Ｐｅｒｋｉｎｓら、１９９９）、ＰｒｏＦｏｕｎｄ（非特許文献４３：ＺｈａｎｇａｎｄＣｈａｉｔ、２０００）などでは確率的及び／又は統計的アプローチが使用されている。最後に、Ｇｒａｓ、ＳｍａｒｔＩｄｅｎｔ（非特許文献１９：Ｇｒａｓら、１９９９；非特許文献２０：Ｇｒａｓら、２０００）によって開発されたアルゴリズムでは、機械学習アプローチが使用されている。

残念ながら、ＰＭＦ法では、例えば、注目するタンパク質の濃度が低い場合、消化プロセスの後で少数のペプチドしか見出されなかった場合、あるいは注目するタンパク質が十分に精製されなかった場合には、必ずしも信頼できる同定に成功するわけではない。更に、翻訳後修飾（ＰＴＭ：ｐｏｓｔ−ｔｒａｎｓｌａｔｉｏｎａｌｍｏｄｉｆｉｃａｔｉｏｎ）や多形現象によって、ペプチドの質量が変更され、正しいマッチングが損なわれる可能性がある。最後に、注目するタンパク質が単にタンパク質のデータベースに存在せず、したがってマッチングできないという可能性もある。

同定が不確実な場合には、タンデム質量分析（ｔａｎｄｅｍｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ）（ＭＳ／ＭＳ）を使用することができる。ＭＳ／ＭＳスペクトルは、注目するタンパク質の消化プロセスからできるペプチドの選択、それに続く前記ペプチドの断片化（ｆｒａｇｍｅｎｔａｔｉｏｎ：例えば、希ガスとの衝突による）、及び生成された断片質量（ｆｒａｇｍｅｎｔｍａｓｓｅｓ）の測定の後で得られる。理想的には、断片化はそのペプチドのあらゆるアミノ酸の間で起こり、隣接する２つのイオンピークの質量はアミノ酸１つの質量だけ異なる。ＭＳ同定から得られるものに類似のＰＭＦに加え、ＭＳ／ＭＳデータはペプチドの配列に関する情報を提供し、ＭＳスペクトルだけよりもより詳細な解釈レベルを可能とする。

ＭＳ／ＭＳスペクトルに含まれる情報を利用することは、様々な要因から難しい。断片化の過程が、ほとんど予測できず、とりわけ、質量分析計が使用するエネルギーの量、イオンの断片が担う電荷の数及び再配分（ｒｅｐａｒｔｉｔｉｏｎ）、その配列などに依存することは、注目すべきである。

ＭＳ／ＭＳデータを利用するために、主に２つの同定の方策が考案されている。すなわち、新たな（ｄｅｎｏｖｏ）シーケンシングを行ってから配列マッチングを行うものと、既存のデータベースからの理論的スペクトルと直接にスペクトル・マッチングを行うものとである。

ｄｅｎｏｖｏシーケンシングは、予め存在するタンパク質又は核酸データベースから抽出される情報をなにも使わずに、ペプチド配列をそのＭＳ／ＭＳスペクトルから導出するものである。これを行うために、ｄｅｎｏｖｏシーケンシングでは、質量スペクトルの中でピークを表す質量値ばかりでなく、その互いに対する相対的な位置も使用する。初期の方法、ＰＡＡＳ３（非特許文献３３：Ｓａｋｕｒａｉら、１９８４）では、その質量がスペクトルの親の質量（ｓｐｅｃｔｒｕｍ'ｓｐａｒｅｎｔｍａｓｓ）に類似する全ての可能な配列、及び、対応する全ての仮想スペクトルを生成することが必要であった。次いで、実験上のスペクトルが仮想スペクトルと比較され、マッチングされていた。このアプローチは、それに伴う組み合わせの爆発的増加のためにたちまち使用されなくなった。別の方策は、配列を可能なところで次々と延長することであった（非特許文献２３：ＩｓｈｉｋａｗａａｎｄＮｉｗａ、１９８６）。配列を、１つ以上のアミノ酸で次々と延長して作って行く。繰り返しのたびに、部分配列及びその対応する仮想スペクトルを実験上のスペクトルと比較し、最も逸脱した配列を取り除く。また別の、より精巧な方策、（非特許文献３４：ＳｉｅｇｅｌａｎｄＢａｕｍａｎ、１９８８）、ＳＥＱＰＥＰ（非特許文献２４：ＪｏｈｎｓｏｎａｎｄＢｉｅｍａｎｎ、１９８９）では、ピークの連続の中にある情報を使用して配列の延長を作成する。このアプローチでは、スペクトル中の「近傍」（“ｎｅｉｇｈｂｏｒ”）のピークの質量の差から、ペプチドの配列をステップ・バイ・ステップで作って行く。この方法はグラフ表現に基づく方法の先駆と見ることができる。例えば、（非特許文献４：Ｂａｒｔｅｌｓ、１９９０）、（非特許文献２２：Ｈｉｎｅｓら、１９９２）、ＳｅｑＭＳ（非特許文献１４：Ｆｅｒｎａｎｄｅｚ−ｄｅ−Ｃｏｓｓｉｏら、１９９５；非特許文献１５：Ｆｅｒｎａｎｄｅｚ−ｄｅ−Ｃｏｓｓｉｏら、１９９８；非特許文献１６：Ｆｅｒｎａｎｄｅｚ−ｄｅ−Ｃｏｓｓｉｏら、２０００）、Ｌｕｔｅｆｉｓｋ９７（非特許文献３７：ＴａｙｌｏｒａｎｄＪｏｈｎｓｏｎ、１９９７；非特許文献２５：ＪｏｈｎｓｏｎａｎｄＴａｙｌｏｒ、２０００；非特許文献３８：ＴａｙｌｏｒａｎｄＪｏｈｎｓｏｎ、２００１）、ＳＨＥＲＥＮＧＡ（非特許文献９：Ｄａｎｃｉｋら、１９９９）、（非特許文献７：Ｃｈｅｎら、２００１）等。グラフの中の頂点は、スペクトルのピークから作られ、可能性のある断片の質量を表す。スコアを各頂点に関連付けるために、物理化学的性質が考慮に入れられる。２つの頂点が１つ又はいくつかのアミノ酸の質量だけ異なるときはいつでも、頂点は弧で結ばれる。したがって、グラフ中の各パスは、そのスペクトルから作ることができる可能性のある配列を表す。次いで、特別なアルゴリズムにより、そのグラフで最良のパス（すなわち、そのパスに属する頂点スコアから作成される最高のスコアをもつパス）の探索が行われ、これにより、実験上のスペクトルに対応する最もありそうな配列又は配列群を決定することができる。このようにして、ｄｅｎｏｖｏシーケンシングの結果、タンパク質又は核酸データベースになんら頼ることなく、１つ又は限られた数の可能なアミノ酸の配列が得られる。

次いで、同定を目的として、ｄｅｎｏｖｏで得られた（部分又は全体の）配列を使用して、標準的な配列（ａｌｉｇｎｍｅｎｔ）ソフトウェアによってタンパク質データベースのスキャンが行われる。ｄｅｎｏｖｏシーケンシングは、良質のスペクトルと質量分析の熟練者による手作業の確認をともに必要とするかなり複雑な作業である。したがって、このアプローチは、今日利用可能な高処理量の設定で生成される膨大な量のデータには適していない。

ｄｅｎｏｖｏシーケンシングに対する代替方法は、ＭＳ／ＭＳから得られる実験上のペプチドのスペクトルを、予め存在するタンパク質のデータベースから導出される理論的なスペクトルとマッチングすることである。ｄｅｎｏｖｏシーケンシングとは異なり、ほとんどのＭＳ／ＭＳスペクトル・マッチングツールでは、ＭＳ／ＭＳスペクトルにある質量値だけを使用している。つまりそれぞれの位置を除外している。今日、ＭＳ／ＭＳ同定のために最もよく使用されている方法は、ＳＰＣ（ｓｈａｒｅｄｐｅａｋｃｏｕｎｔ）である。ＭＳ／ＭＳスペクトルのイオン質量は、“ペプチド・マス・フィンガープリント”とのアナロジーで言うと、“イオン・マス・フィンガープリント（ｉｏｎｍａｓｓｆｉｎｇｅｒｐｒｉｎｔ）”を表す。実験上のＭＳ／ＭＳスペクトルが、データベースにある仮想的に消化され断片化されたタンパク質の理論的なイオン・マス・フィンガープリントと比較される。それらの類似度は、実験上及び理論的な共通質量間の独立した相関スコアの組み合わせによって決定される。

様々なＳＰＣアルゴリズムが開発されてきている。そのすべてが、質量の誤差に依存する確率的スコアに基づいており、違いは主に、洗練の度合いに高低のあるスコア関数にある。ＭＳＴａｇ、ＰｅｐＦｒａｇ（非特許文献１３：Ｆｅｎｙｏら、１９９８）、及びＭＡＳＣＯＴ（非特許文献３０：Ｐｅｒｋｉｎｓら、１９９９）がその例である。あるアルゴリズム、ＳＣＯＰＥ（非特許文献１：ＢａｆｎａａｎｄＥｄｗａｒｄｓ、２００１）では、複雑な確率モデルと動的プログラミングの方法がともに使用されている。別のアルゴリズム、ＳＥＱＵＥＳＴ（非特許文献１２：Ｅｎｇら、１９９４；非特許文献４１：Ｙａｔｅｓら、１９９５；非特許文献４２：Ｙａｔｅｓら、１９９６；非特許文献１７：Ｇａｔｌｉｎら、２０００）では、２つのフィルタリング・レベル、すなわち、ＳＰＣとそれに続く高速フーリエ変換による相互相関とが使用されている。修飾に関しては、源（ｓｏｕｒｃｅ）タンパク質へのどのような突然変異又はＰＴＭによっても、参照データベースにある未修飾タンパク質に比べて、ＭＳ／ＭＳスペクトルが劇的に変わる恐れがある。すなわち、修飾された断片質量に、修飾／突然変異のもたらす質量差に対応してデルタだけのずれ（ｓｈｉｆｔ）が生じる。その結果、修飾された源（ｓｏｕｒｃｅｍｏｄｉｆｉｅｄ）ペプチドには、参照のタンパク質データベースの中に対応するマッチング結果が見つからない可能性がある。ＳＰＣ法では、一般に、考慮しようとする修飾／突然変異のあるペプチドはすべてそのデータベースに含んでいるが、そのためには考慮に入れる修飾／突然変異に関連する質量差についての事前の知識が必要である。したがって、未修飾のペプチドとの質量差が予測不可能な修飾（グリコシル化など）は、ＳＰＣ法では考慮に入れることができない。更に、ペプチドの可能な修飾／突然変異をすべてデータベースに含めることは、それに伴う組み合わせの爆発的増加のために現実的ではない。結果として、ＳＰＣ法では、普通、メチオニンによる酸化やシステインによるカルバミドメチル化などの、特定のアミノ酸に起こる少数の非常に一般的な修飾しか考慮に入れられていない。

組み合わせの問題のほかに、ＳＰＣアルゴリズムには他に２つの限界がある。第１に、ＳＰＣアルゴリズムでは、ピークが互いに独立に考慮されており、それによりＭＳ／ＭＳスペクトルに含まれるいくつかの重要な情報が失われる。第２に、ＳＰＣアルゴリズムでは、較正のよくないスペクトルとともに使用するときには、誤差の許容範囲を大きく見ておく必要がある。この結果、基本的に現在の質量分析計の本来の高い精度が失われてしまう。

ＳＰＣ法でない２つの方法、すなわち、スペクトル畳み込み及びスペクトル・アラインメントが、ＰＥＤＡＮＴＡ（非特許文献３１：Ｐｅｖｚｎｅｒら、２０００；非特許文献３２：Ｐｅｖｚｎｅｒら、２００１）をその対応するツールとして記述されており、これらは、予測不可能な修飾を含めて修飾／突然変異を取り扱うのに非常に頼りになると主張されている。実際、スペクトル・ピークの重ね合わせの課する論理的制約を使用して考慮する修飾／突然変異の数を制限しているため、これらにはＳＰＣ法にまさる大きな利点がある。こうしたアプローチの１つの明らかなトレードオフは、フィルタリング中に親の質量を使用せずにペプチド・データベース全体を解析（ｐａｒｓｅ）しなければならない点である。更に、予期される質量のずれの数とともに組み合わせの問題が大きくなる。したがって、十分に区別のできる同定を可能にするためには、考慮する修飾／突然変異の数を十分に低く抑えなければならない。

本発明によれば、ペプチド及び／又はタンパク質を含むサンプルから実験的に得られるタンデム質量分析データ（ＭＳ／ＭＳデータ）が、構造化されたデータを生物学的配列データベースとマッチングする間にＭＳ／ＭＳデータに含まれる情報の完全な利用が可能となるように、解釈され構造化される。

本発明は、例えば、ＥＳＩ／ＭＡＬＤＩ＿Ｑ−ＴＯＦ＿ＭＳ、ＥＳＩ／ＭＡＬＤＩ＿イオントラップ型（Ｉｏｎ−Ｔｒａｐ）ＭＳ、ＥＳＩ三連四重極型（ｔｒｉｐｌｅｑｕａｄｒｕｐｏｌｅ）ＭＳ、又は、ＭＡＬＤＩ＿ＴＯＦ−ＴＯＦ＿ＭＳなどのどんな標準的又は非標準的なタンデム質量分析方法によっても得られる、ＭＳ／ＭＳデータを用いたペプチド及びタンパク質同定方法に関する。ＳＰＣの場合のように実験上のＭＳ／ＭＳスペクトルをデータベースからの理論的な配列と直接に比較するのではなく、本発明の方法では、実験上のＭＳ／ＭＳスペクトルの解釈され構造化された概観（ｖiｅｗ）が理論的な配列と比較される。

本発明の方法では、図１を参照すると、まず、１つ以上のタンパク質又はペプチドを含むサンプル０に対してタンデム質量分析を行う。次いで、ＭＳ／ＭＳスペクトルを、離散的な質量ピークをリストしたピークリスト１に翻訳する。このステップは、標準的な質量分析装置によって実行できる。次いで、翻訳結果であるピークリスト１を解釈して、可能な質量の説明リスト（解釈済みピークリスト２）とする。この解釈では、特に、質量分析計、断片化のエネルギーレベル、及び化学的概念（イオンの型、電荷数など）に関する物理化学的知識が考慮に入れられる。次いで、解釈済みピークリスト２を変換して構造化表現３にする。この変換では、生物学的知識、特にアミノ酸の性質が考慮に入れられ、少なくとも次の情報、
ピークの質量電荷比、
親ペプチドの質量電荷比、
親ペプチドの電荷、
ピークの強度、
が保存される。

ペプチドの同定は、前記構造化表現を生物学的配列データベースとマッチングすることによって行われる。前記データベース４は、タンパク質又はペプチドのデータベースに翻訳された核酸データベース、又はそのようなデータベースの任意のサブセットなどの、生物学的配列のどのような情報源（ｓｏｕｒｃｅ）５からも作ることができる。例えば、ＧｅｎＢａｎｋ（非特許文献５：Ｂｅｎｓｏｎら、２００２）、ＥＭＢＬ（非特許文献３５：Ｓｔｏｅｓｓｅｒら、２００２）、ＤＤＢＪ（非特許文献３６：Ｔａｔｅｎｏら、２００２）、ＳＷＩＳＳＰＲＯＴ（非特許文献２：ＢａｉｒｏｃｈａｎｄＡｐｗｅｉｌｅｒ、２０００）、及びＰＩＲ（非特許文献３：Ｂａｒｋｅｒら、２０００）を含む、多くの配列ライブラリを使用することができる。生物学的配列データベースとのマッチングは、ｄｅｎｏｖｏシーケンシングとは対照的に、構造化表現３を１つ又は限られた数のアミノ酸の配列へと縮約する前に行われる。このマッチングプロセスにより、ペプチドの各配列ごとに類似度スコア８が得られる。次いで、このスコアは、ペプチドの最良のマッチング結果又は結果群９を決定するのに使用される。

本発明は、又、いま説明したペプチド同定方法の諸ステップを含み、ペプチド・マッチング情報を使用して、タンパク質データベースにある対応するタンパク質又はタンパク質群の同定のための更なるステップを含む、タンパク質同定方法を提供する。

本発明の好ましい一実施形態では、データベースとマッチングされる構造化表現はグラフ３であり、グラフ３の頂点６は“理想的な（ｉｄｅａｌ）”断片であり、あるイオン仮定のもとで（前記解釈済みピークリスト２内の）ＭＳ／ＭＳピークから作られる。断片を表す各頂点６は、とりわけ、前記断片の分子質量値と、この断片に関する特定のイオン仮定（イオンの型）とを示し、その頂点に対する信頼度レベルを表わすスコア値が割り当てられる。２つの頂点６は、その質量差が１つ以上のアミノ酸の質量の値に等しいときはいつでも、選ばれた組み合わせレベルに応じて辺７によって結ばれる。辺７には、こうした特定のアミノ酸を表わす文字が付与される。したがって、グラフ３は、そのＭＳ／ＭＳスペクトルから作れる限りの全てのアミノ酸のタグ及び完全な配列を表している。ペプチドの最良のマッチング結果又は結果群９の同定は、ペプチドの配列データベースからの理論的なペプチド４とグラフ３とを比較することによって得られる類似度スコア８を用いて行われる。

本発明の方法では、構造化表現（又はグラフ）３がペプチドの配列データベース４からの理論的なペプチドと比較される。ｄｅｎｏｖｏシーケンシングを行ってから配列マッチングを行う同定では、グラフを１つ又はいくつかの配列に縮約した後ではじめてデータベース情報が利用されるが、これとは対照的に、本発明ではデータベース情報を直接使用して、構造化情報又はグラフとの比較が直接行われる。目標は、そのペプチドを最もよく説明する構造化表現又はグラフ３のセクション（ｓｅｃｔｉｏｎ：連続する複数の辺７の集合）を見出すことである。セクションは、配列情報を含んだ古典的なタグと見ることもできるが、比較プロセスで使用する情報を更に含んでいるため、それ以上の意味がある。

本発明では、一般には、構造化表現、詳細にはグラフ構造に、既存の方法に勝る顕著な利点がある。このアプローチでは、まず、比較プロセス中の較正の問題が省かれる。すでに触れたように、質量分析計の本来の高い精度にもかかわらず、ＭＳ／ＭＳスペクトル中のピーク質量は、かなりの値ずれる。その結果、ＳＰＣに基づく既存の同定方法では、ピーク質量と理論的な断片質量とを比較する場合、許容誤差を大きく見ておかなければならず、これはノイズレベル、ひいては偽陽性（ｆａｌｓｅｐｏｓｉｔｉｖｅ）の数の顕著な増加をもたらす。本発明の方法では、ピーク質量の差を理論的な質量の差と比較する。隣接する質量の差は較正誤差から弱い影響しか受けないため、本発明の方法により、質量分析計の精度を完全に利用できるようになる。構造化表現の別の利点は、これにより、（ＳＰＣの場合のように）ピークマッチングの数だけでなく、その配列を説明することを可能とする連続してマッチする数（ｔｈｅｎｕｍｂｅｒｏｆｓｕｃｃｅｓｓｉｖｅｍａｔｃｈｅｓ）も考慮に入れられることである。

本発明の好ましい一実施形態では、構造化表現のデータベースにある配列とのマッチングは、各データベース配列に従って構造化表現又はグラフを解析することによって行われ、各解析により、各データベース配列を構造化表現又はグラフに相関させるスコアが得られる。

このアプローチにより、特に、構造化表現をペプチドの配列データベースのどのような部分配列とも比較することができるようになり、各解析により、その部分配列を構造化表現又はグラフのセクションと相関させるスコアが得られる。不完全なスペクトル情報の場合には、結ばれていないが関連の連続する辺の集合（セクション）を結合して、同じペプチドの配列を形成することができる。又、修飾された源ペプチドの場合には、このアプローチにより、修飾仮説に従って、結ばれてないが関連の連続する辺の集合（セクション）を結合することができるようになる。

グラフ構造による表現により、もともとの（ｏｒｉｇｉｎａｌ）情報をすべて保持し、比較プロセス中に多くの異なる情報源から来る情報を考慮することができるようになる。グラフは、２つの情報のタイプを含む。すなわち、第１はローカル情報であり、これは最も妥当な（ｐｅｒｔｉｎｅｎｔ）辺を有利にするためパス作成に使用され、頂点及び辺に関連付けられた変数（頂点の質量、強度、スコア、また辺のアミノ酸）として格納される。第２はグローバル情報であり、これは現在のペプチド又はそれに属する任意の部分配列に関するパスの妥当性を記述し、たぶん辺に関連付けられる重みとして格納される。ローカル及びグローバルのパラメータは、同定アルゴリズムの能力を最大化し、１位にランクされるペプチドと他の候補との十分な識別が可能になるように、重み付け及び組み合わせされねばならない。既知の質量分析計からの同定済みスペクトルの集合を使うと、重みを遺伝的アルゴリズムによって最適化することが可能である（非特許出願１９：Ｇｒａｓら、２０００；非特許出願２０：Ｇｒａｓら、１９９９）。

本発明の別の実施形態では、前記解析は群知能型アルゴリズムを使用して行われる（非特許文献２６：ＫｅｎｎｅｄｙａｎｄＥｂｅｒｈａｒｔ、２００１；非特許文献６：Ｂｏｎａｂｅａｕら、１９９９）。群知能は分散人工知能の一形態であり、与えられた環境内部で進化し相互作用しながら、直接及び／又は間接的コミュニケーションを管理できる単純な複数のユニット、つまり巡回販売人（ａｇｅｎｔ）の自己組織の結果として、知的な集団行動が出現する。

本発明のまた別の実施形態では、この群知能型アルゴリズムは、“ＡｎｔＣｏｌｏｎｙＯｐｔｉｍｉｚａｔｉｏｎ（ＡＣＯ：アリ集団最適化）”と呼ばれるアルゴリズムである（非特許文献１０：ＤｏｒｉｇｏａｎｄＤｉＣａｒｏ、１９９９）。ＡＣＯアルゴリズムは、現実のアリ集団の行動をモデルとした（ｉｎｓｐｉｒｅｄ）マルチ・エージェント・システムと定義される。ＡＣＯの原理は、アリ・エージェントの集団が与えられた問題の異なる解を繰り返しによりかつ同時に探るものである。出現する集団行動は、環境の改変（ｓｔｉｇｍｅｒｇｙ）によって仲介されるアリどうしの間接的なコミュニケーションによって左右される。アリたちは、局所的に利用可能であり他のアリの行動に影響を与える一定量のフェロモンを分泌することによって、環境を改変する。この実施形態では、アリたちの“跡を残す／跡をたどる”（ｔｒａｉｌ−ｌａｙｉｎｇ／ｔｒａｉｌ−ｆｏｌｌｏｗｉｎｇ）採餌行動をモデルとしたＡＣＯアルゴリズムを使用して、データベースの現在のペプチドと構造化表現とのマッチングがスコア付けされる。アリたちは、その集団を結ぶ食料源までの最短のパスを見つけることができるので、採餌プロセスを支配するルールを利用し、これを使ってグラフの中のスコアのよいパスを見出すことが可能である。各アリは、見出した解の質に応じてスコアを得る。仮想フェロモンを使用することにより、よい解が記憶され、正のフィードバックとして働くことが可能になる（探索の集中化）。又、早まった収束を避けるために、ある量のフェロモンが繰り返しのたびに蒸発する（負のフィードバック、探索の多様化）。

グラフの解析用に改変されたＡＣＯでは、まず、各辺のフェロモン量が微小な値に設定される。次いで、アリたちがグラフを繰り返して解析する。繰り返しのたびに、アリたちはグラフ上をある頂点から他の頂点へと、既存の辺を使用して、あるいは、許される場合にはある頂点から他の頂点へと飛び移って、停止基準に達する（例えば、次の頂点がない頂点に到着する）まで動く。次の辺の選択は、ローカルなパラメータ（すなわち、次の頂点のスコア）と、既になされているグローバルな学習（すなわち、次の辺上のフェロモンの量）との両方が考慮に入れられて、確率的な計算の結果として得られる。繰り返しが終わるたびに、各辺からは自動的にフェロモンがいくらか取り除かれる（蒸発する）が、そのアリが解析した各辺にはフェロモンがいくらか加えられる（厳密な量はそのアリのスコアに依存する）。その結果、このアルゴリズムにより、１つ又はいくつかのスコアのよいセクションに向けて緩やかに収束することが可能となり、そうしたセクションは、更に、理論的な候補のペプチドを最大限覆うように相関させることができ、ペプチドをすべて分析した後には、最終的に候補のペプチドのランク付けされたリストが得られる。

ＡＣＯアルゴリズムにはいくつかの利点がある。例えば、アリの動きの推計学的（ｓｔｏｃｈａｓｔｉｃ）性質により、グラフの中のどのパスも解析することが可能になる。ＭＳ／ＭＳスペクトルに矛盾しない全ての可能な突然変異がグラフには暗黙のうちに表現されており、アリをある頂点から別の結ばれてない頂点に飛び移らせることによって、可能な突然変異を考えることができる。スペクトル・アラインメント法と同様に、本発明では、スペクトルの論理的制約を使用して可能な修飾の組み合わせの数を制限している。更に、本発明では、表現又はグラフの関連するセクションを結ぶ有向の飛び移り（ｊｕｍｐ）のみを許すことによって、組み合わせの数が劇的に制限される。したがって、配列とスペクトルとのグローバルな対応を向上させる修飾だけが考慮される。又、あるアリに許される頂点を、すでにこのアリが解析した頂点に応じて制限することも可能である。これにより、例えば、間違った分裂（ｍｉｓｓｅｄ−ｃｌｅａｖａｇｅ）を１つだけ受け入れることができるようになる。すなわち、リジンに対応する辺を使ってしまったアリが、更に第２のリジンを取り込むことを避けることができる。

本発明の別の利点は、本発明からより従来型のｄｅｎｏｖｏシーケンシング・モードへの切り替えが直接的であり、単にデータベースから来る情報を使わずにおけば済むことである。

本発明では、又、１つ以上の質量分析計及び１つ以上の生物学的配列データベースにリンクされるコンピュータを含み、前記コンピュータが本明細書に記載される方法の諸ステップを実行するためのプログラムを有するシステムが提供される。

本発明では、又、１つ以上の質量分析計及び１つ以上の生物学的配列データベースにリンクされるコンピュータに本明細書に記載される方法の諸ステップを実行させる命令を含むコンピュータ可読媒体が提供される。

以下の段落では、グラフ表現及びＡＣＯアルゴリズムを組み合わせ、またＰｏｐｉｔａｍ（ＰｅｐｔｉｄｅＯｒＰｒｏｔｅｉｎＩｄｅｎｔｉｆｉｃａｔｉｏｎｆｒｏｍＴＡｎｄｅｍＭａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ）と呼ばれる、本発明の好ましい一実施形態によるＭＳ／ＭＳデータの取り扱い及び同定の詳細な説明が提供される。

Ｉ．ピーク解釈
Ｓexp＝｛ｓ1，ｓ2，…，ｓ_|Sexp|｝、すなわち、同定すべき実験上のＭＳ／ＭＳピークリストと、イオン仮説の集合 Δ＝｛η1，η2，…，η_|Δ|｝とを定義する。イオン仮説は、あるピークの可能な解釈と見ることができる。各ηiには４つの属性があり、それらはその質量分析計によって計測されたイオン断片ｓjに関する仮定である。これらは、オフセット値ｏ(ηk)、すなわちイオン断片と対応するｂ−イオン型断片（分かりやすいように、ここではそのような断片をｂ−断片、その対応する質量をｂ−質量と呼ぶ）との質量差、末側（ｔｅｒｍｉｎｕｓｓｉｄｅ）ｔ(ηk)（Ｎ末端又はＣ末端）、電荷数ｃ(ηk)、及び近似生起確率ｐ(ηk)である。確率ｐ(ηk)は、とりわけ、使用する質量分析計に依存し、学習フェーズ中に同定済みスペクトルの集合を用いて決定することができる（非特許文献９：Ｄａｎｃｉｋら、１９９９）。

解釈プロセスは、Ｓexpからの各ピークに、上に述べた４つの属性すべてを含むイオン仮説を帰属させる（ａｔｔｒｉｂｕｔｅ）ものである。したがって、Ｓintからの各ピークｓjは質量電荷比μ(ｓj)、強度ι(ｓj)、及びイオン仮説η(ｓj)を特徴とすることになる。解釈済みピークリストＳint中の要素の数は｜Ｓint｜＝｜Ｓexp｜・｜Δ｜である。このアプローチをとると、Ｓexp中の所与のピークから計算される少なくとも｜Δ｜−１個の解釈済みピークが偽であることになる。

II．グラフ構築
スペクトルのグラフＧ＝（Ｖ，Ｅ）を、頂点の集合をＶ＝｛ｖ1，ｖ1，…，ｖ_|Ｖ|｝、辺の集合をＥ＝｛ｅij｜ｉ＜ｊ＜|Ｖ|，ｖi及びｖj∈Ｖ｝とする非循環有向グラフ（ｄｉｒｅｃｔｅｄａｃｙｃｌｉｃｇｒａｐｈ）と定義する。各頂点ｖiは、ｂ−質量、μ(ｖi)及びそれに対応するイオンピーク質量電荷比μ^s(ｖi)、強度ι^s(ｖi)、スコアσ(ｖi)、イオン仮説η(ｖi)、ファミリーＦ(ｖi)、ならびに次の頂点（ｓｕｃｃｅｓｓｏｒ）のリストｓｕｃｃ(ｖi)を特徴とし、これに対して各辺ｅij∈Ｅはフェロモン軌跡τ(ｅij)及びラベルλ(ｅij)を特徴とする。

II．１）頂点の作成：
ＧはピークリストＳintから作成される。第１のステップは、全ての解釈済みピークを、Ｎ末端の“理想的な”断片を表わす１度荷電したｂ−イオンへと変換することである。

Ｓintに属する各ピークから、頂点ｖiが得られる。Ｍexpが実験上の親の質量として与えられ、ただしＭexp＝（Ｍobs−１）・ｃ(Ｍobs）であり、Ｍobsがペプチドの親の質量の質量電荷比、ｃ(Ｍobs)がその電荷数であるとき、頂点はアルゴリズム１に従って作成される。

アルゴリズム１：頂点の作成

又、空の配列に対応する始めの頂点、及び完全な配列に対応する終りの頂点を作成する。このため、頂点の数は｜Ｓint｜＋２に等しくなる。
II．２）頂点のファミリー：
各頂点に対して、近傍の頂点のファミリーＦを定義する。ファミリーの概念は、あるｂ−断片がＳexpの中のいくつかのイオンピークで表されているときに、これらのピークの計算されたｂ−質量μ(ｖi)がほとんど等しくなるというアイディアに基づいている。そのため、ファミリーを頂点のｂ−質量の差に基づいて作成するが、ｂ−質量の差は指定されたしきい値よりも小さくなければならない。ここでは、（非特許文献９：Ｄａｎｃｉｋら、１９９９）に述べられているように、頂点を併合（ｍｅｒｇｅ）しないことにしたが、これは、併合プロセスが、ピークに対する較正誤差をうまく処理できず、しばしば親の質量の極めて低い精度に依存しているためである。したがって、同じｂ−断片を表しかつ異なる末端タイプ( ｔ(η(ｖi)）≠ｔ(η(ｖj)) )のイオン仮説によって導出される２つのｂ−質量は、同じ末端タイプのイオン仮説から得られるｂ−質量と比べると、かなり異なっている可能性がある。このため、そのようなｂ−質量は、あまりに異なるため併合できないか、併合した場合でもかなり精度の低い新しい頂点ができる可能性がある。この問題を回避するため、ここでは、頂点を併合せずに、同じｂ−断片に属しうる限りの近傍の頂点すべてを含む頂点のファミリーＦ(ｖi)＝｛ｖj…ｖ_|Ｆ(ｖi)|｝を作成している。このアプローチにより、頂点のｂ−質量を変えずに保ち、結果として質量分析計の精度を完全に利用することができるようになる。更に、ファミリーの作成に使用するアルゴリズムは、Ｄａｎｃｉｋが提案した併合アルゴリズムの場合のように欲張り（ｇｒｅｅｄｙ）ではなく、厳密（ｅｘａｃｔ）である。

頂点Ｖjは、ファミリーＦ(ｖi)に、以下のルールに従って加えられる。第１に、２つの頂点のｂ−質量が十分に近くなければならない。式１（数２：Ｅｑｕａｔｉｏｎ１）に示すように、同じファミリーに入れる２つの頂点が導出されるイオン仮説が同じ末端タイプのものか、異なる末端タイプのものかに応じて、しきい値を適応させなければならない。

第２に、２つの頂点のｂ−質量は、異なるイオン仮説から出てきたものでなければならない（η(ｖi)！＝η（Ｖj））。
アルゴリズム２：ファミリーの作成

II．３）頂点のスコア付け：
頂点はある仮定のもとで作成されるため、頂点それぞれの信頼性（ｃｒｅｄｉｂｉｌｉｔｙ）レベルを定義する値が必要である。この値は、非網羅的な基準リストにしたがって定義される、スコアσ(ｖi)で表される。現在、２つの基準が考慮に入れられており、これから冗長度スコアρ(ｖi)及び確率スコアπ(ｖi)が得られる。

一旦ファミリーが定義されると、ρ(ｖi)及びπ(ｖi)を計算することが可能になる。等価なｂ−質量がいくつかあるとｖiのイオン仮説が確実なものになるので、冗長度スコアρ(ｖi)はファミリーの大きさに従って増加させなければならないが、これに対して確率スコアπ(ｖi)では、ファミリーのメンバーの生起確率ｐ(η)が考慮に入れられる。

II．４）グラフの連結：
２つの関連付けられた頂点ｖi及びｖjのｂ−質量が１つ又はいくつかのアミノ酸の値だけ異なっている場合、この２つを辺ｅijによって連結することができる。所与の辺に含まれるアミノ酸の数に従って、その辺を単純な辺（ｓｉｍｐｌｅｅｄｇｅ）（｜λ(ｅij)｜＝１）、２重辺（ｄｏｕｂｌｅｅｄｇｅ）（｜λ(ｅij)｜＝２）などと呼ぶことができる。Ａ＝｛ａ1，ａ2，…，ａ_|Ａ|｝をアミノ酸のアルファベットとする。Ａは、全ての一般的なアミノ酸ばかりでなく、カルボキシメチル化システイン、カルバミドメチル化システイン、又は酸化メチオニンなどのいくつかの修飾されたアミノ酸を含む。各ａi∈Ａは質量μ(ａi)及びラベルλ(ａi)を有する。

は、｜Ａ｜の中の１個からＮ個のアミノ酸の組み合わせすべての集合である。Ｎの値とともに辺の数は指数関数的に増加するため、Ｎは普通小さい（通常Ｎ＝２又はＮ＝３）。

、すなわち

にあるアミノ酸すべての質量の総和、及び

、すなわち

にあるアミノ酸のラベルから作られるものが与えられた場合、アルゴリズム３によって辺の計算が示される。頂点のリストは、ｂ−質量の値に従ってソートしておかなければならない。
アルゴリズム３：グラフの連結

III．同定プロセス
III．１）ペプチド・データベース
Ｄ＝｛Ｐ1，Ｐ2，…，Ｐ_|Ｄ|｝を、同定のために使用するペプチド・データベースとする。ペプチドＰcは、核酸又はタンパク質データベースの全体又はサブセットから得ることができる。Ｐcは３つの属性を特徴とする。第１は、その配列、

である。第２は、その理論的な質量μ(Ｐc）である（式４：数１３を参照されたい）。第３は、同定スコアｓｃｏｒｅ(Ｐc）である。
末端質量値μ(Ｎ−ｔｅｒｍ）及びμ(Ｃ−ｔｅｒｍ）が与えられるとき、μ(Ｐc）が次のようにして得られる。

同定プロセスは、ＤのペプチドをグラフＧと比較すること、及び各ペプチドＰc∈Ｄをスコアｓｃｏｒｅ(Ｐc）と相関させることである。スペクトルの実験上の親の質量Ｍexp、及び所定のしきい値ｒが与えられるとき、
アルゴリズム４：同定プロセス

が与えられる。
このアルゴリズムの結果として、スコアでランク付けされた候補のペプチドのリストが得られる。以下の段落で比較関数を説明するが、これは理論的なペプチドをグラフと比較するものである。

III．２）比較プロセス
グラフＧとペプチドＰcとの比較プロセスでは、Ｇの中でＰcを最もよく説明するセクションを見出すことが必要になる。完全なセクションとは、ペプチドの配列全体に対応するグラフ中のパスである。ここでは、所与のＰcに対して、Ｇの中の最良の完全なセクションを探索するための、ある可能な非決定的戦略を提示する。完全なパスの代わりにセクションを抽出するため、更にこのアルゴリズムの修正を行う。

Ｆ＝｛ｆ1，ｆ2，…，ｆ_|Ｆ|｝をアリ集団とする。繰り返しｔのときにグラフ上を歩く各アリｆkにより、次の条件、

を満たすＶの部分集合である、頂点の集合、

を含むあるパスと、それにともない、

と表記される辺の集合とが作成される。

の質は、アリのスコアＳ^t(ｆk)によって表される。

での辺ラベルλ(ｅij）の連接（ｃｏｎｃａｔｅｎａｔｉｏｎ）は、アリｋの作った配列、

を表す。
アルゴリズム５は、ＡＣＯアルゴリズムをわれわれの問題向けに適応させたものである。まず、τ(ｅij）すなわち各辺ｅij∈Ｇのフェロモンの量を、グラフ中に見出される最良の完全なパス（Ｌ⁺）及びそれに関連付けられたスコアＳ(Ｌ⁺)とともに、（τ0＝１０^-6で）初期化する。繰り返しを始めるたびに（ｔmaxを予め定めた繰り返しの総数とする）、各辺で加えるべきフェロモンの量Δτ(ｅij）を０に初期化する。次いで、各アリが自分のパス

を作りながらグラフを解析して、スコアＳt(ｆk)を得る。このスコアは、

ごとのΔτ(ｅij）を更新するのに使用する。Ｑは、予め定めた定数値であり、最適スコアの大きさと同程度の大きさから選ぶ。Ｑの値は最終結果にわずかな影響しか及ぼさないことを実証している著者らがいる（非特許文献３８：Ｔａｙｌｅｒ，２００１；非特許文献６：Ｂｏｎａｂｅａｕら、１９９９）。アリの作ったパスがＳ(Ｌ⁺)より高いスコアを得た場合、Ｌ⁺及びＳ(Ｌ⁺)を更新する。最後に、すべてのアリがグラフを解析し、その寄与をΔτ(ｅij）に加えてしまうと、ω∈［０；１]を蒸発率としてグラフを更新する。比較関数は、終わりに、Ｐcの属性とした最良パスのスコアを返す。
アルゴリズム５：ペプチドＰcに対するＧの中の最良のパスの発見
初期化：

繰り返し：

以下に、ｐａｒｓｅＧｒａｐｈ及びｓｃｏｒｅＡｎｔ関数のより詳細な説明を行う。
III．２ａ）グラフの解析：
まず、アリｆkを始めの頂点ｖ1上に置く。アリｆkは、現在の頂点ｖiが次の頂点（ｓｕｃｃｅｓｓｏｒ）を有する限り（ｓｕｃｃ(ｖi)≠φ）、ｆkが作った配列の長さ｜ＬQ(ｆk）｜が現在のデータベースの配列の長さ｜Ｑ(Ｐc）｜より短い限り、前に進むことができる。頂点ｖiからＶj∈ｓｕｃｃ(ｖi)である頂点ｖjに進むのに使う遷移ルールは、３つの情報に依存している。第１の情報は可視性であり、σ(ｖj）すなわち次の頂点のスコアによって表される。これはローカルなパラメータと考えることができる。第２の情報は、アリ集団がそれまで行った学習の記憶に対応している。これはグローバルなパラメータであり、辺ｅij上に置かれたフェロモンの量τ(ｅij）を表す。最後に、第３の情報は、現在のデータベースのペプチドＰcの配列である。実際、次の辺ｅijのラベルが、配列Ｑ(Ｐc）の中の次のアミノ酸とマッチすると、遷移確率に、辺のラベルの長さに依存して予め定めた定数値が掛けられる。

α及びβ、すなわち学習及び可視性の相対的な重みを制御する調節可能な２つのパラメータ、

すなわちアリｆkが繰り返しｔのときに辺ｅijを選ぶ確率、

すなわちｓｕｃｃ(ｖi)すべてに対するこれら確率の集合、及び

すなわち現在のペプチドの配列が与えられた場合：
アルゴリズム６：アリｆkによるＧの解析

III．２ｂ）アリのスコア付け
各繰り返しｔが終わるたびに、現在のペプチドＰcとアリが使った異なるパスとの類似度を評価しなければならない。アリはそれぞれ、そのパス

に応じて最終スコアＳ^t(ｆk）を得る。目標は、Ｓ^t(ｆk）の中に、異なる情報源からの可能な関連する情報をすべて含めることである（式５：数３２を参照されたい）。例えば、Ｓintから来る情報を考慮に入れるために、

に格納されたピークの強度を使用し、強度スコアｉｎｔＳを計算することができる。イオン仮説の集合からは、ｆkが解析した頂点の関連度を表現する、関連度スコアｒｅｌＳを作ることができる。現在のペプチドの配列は、ペプチドの配列Ｑ(Ｐc）と配列

との類似度を表現することになるｃｏｖＳスコアで使用することができる。又、使用した頂点のｂ−質量とＱ(Ｐc）から期待される理論的な質量の相関の質も、ｒｅｇＳと呼ばれる回帰スコアとして考慮に入れることができる。更に、他の情報、ＭＳ／ＭＳデータを調べるのに使用される生物学者の専門知識から生じるルールなどを加えることができる。

次の節では、われわれの現在のアルゴリズムに使用しているサブスコアｉｎｔＳ、ｒｅｌＳ、ｃｏｖＳ、ｒｅｇＳの実装例を示す。
被度（ｃｏｖｅｒａｇｅ）スコアｒｅｃＳは、現在のペプチドＰcとアリｆkが作った配列との配列類似度を表す。これは、例えばスミス−ウォーターマン（ＳｍｉｔｈａｎｄＷａｔｅｒｍａｎ）アルゴリズムなどの、アラインメント関数によって計算される。

が与えられるとき：
アルゴリズム７：被度スコア

関連度スコアは、使用した頂点スコアの平均である。これは式６（数３５）に示すように計算される。

同様に、強度スコアは次のように計算される。

回帰スコアは、アリのパスに含まれる頂点の実験上の質量μ^s(ｖi)と、現在のデータベースのペプチドの配列Ｑ(Ｐc）から計算される、対応する理論的な質量Ｒ(Ｐc）＝｛ｒ1，ｒ2，…，ｒ_|Ｒ(Ｐc)|｝とのグローバルな対応の尺度である（非特許文献２０：Ｇｒａｓら、２０００）。まず、これらの質量の間の関係を、実験上の質量を横軸に理論的な質量を縦軸にとってグラフ上にプロットし、点の集合により線形回帰を計算することが可能になる。点と線形回帰との偏差の平均が、回帰スコアｒｅｇＳを表す。
ｙ＝ａｘ＋ｂ、すなわち線形回帰、

すなわち実験上の質量、及び、その対応する理論的な質量ｒi∈Ｒ(Ｐc）が与えられた場合：
アルゴリズム８：ｒｅｇＳの計算

[実験例]
われわれのアルゴリズムの予備的な実装の試験を、ＭＳ／ＭＳスペクトルのトレーニング・セットに対して行った（完全なパスのみ、未知の修飾なし）。１０１のスペクトルのうち92.1％が首尾よく同定された。結果の例をいくつかここに引用する。

本発明の一実施形態による、ＭＳ／ＭＳデータからペプチド又はタンパク質を同定するための方法の一般的な道筋を示すフローチャートである。

Claims

（ａ）１つ以上のタンパク質又はペプチドを含むサンプルに対してタンデム質量分析を行うステップと、
（ｂ）分析結果のスペクトルをピークリストに縮約するステップと、
（ｃ）物理化学的知識を考慮に入れて、前記ピークリストに対して可能な解釈を解釈済みピークリストにリストするステップと、
（ｄ）生物学的知識を考慮に入れて、前記解釈済みピークリストを構造化表現へと構造化し、少なくとも次の情報、
ステップ（ｂ）で得られたピークの質量電荷比、
親ペプチドの質量電荷比、
親ペプチドの電荷、
ピークの強度
を保存するステップと、
（ｅ）構造化された情報に何らかの縮約を行う前に、前記構造化表現を生物学的配列データベースとマッチングして１つ又は限られた数のアミノ酸の配列とするステップと、
（ｆ）前記データベース内部で最良のペプチドのマッチング結果又は結果群を決定するステップとを有することを特徴とするペプチド同定方法。
請求項１に記載のステップ（ａ）から（ｆ）を有するタンパク質同定方法であって、更に、ステップ（ｆ）の前記ペプチドのマッチング情報を使用して、タンパク質データベースの対応するタンパク質又はタンパク質群を同定するステップ（ｇ）を有することを特徴とするタンパク質同定方法。
ステップ（ｄ）の前記構造化表現はグラフからなり、
前記グラフの頂点が、可能性のあるｂ−イオン型のペプチド・断片に翻訳された、前記解釈済みピークリストの個々の要素を表し、
辺が、１つ以上のアミノ酸の分子量に等価な値だけ分子量が異なる前記ｂ−イオン型のペプチド・断片を表す頂点を結ぶことを特徴とする請求項１又は２に記載の方法。
ステップ（ｅ）の前記マッチングが、データベースの各配列に従ってステップ（ｄ）の前記構造化表現を逐次的に解析することからなり、それぞれの解析からデータベースの各配列を前記構造化表現に相関させるスコアが得られることを特徴とする請求項１乃至３のいずれか１つに記載の方法。
前記解析が群知能アルゴリズムによって行われることを特徴とする請求項４に記載の方法。
前記群知能アルゴリズムがＡｎｔＣｏｌｏｎｙＯｐｔｉｍｉｚａｔｉｏｎアルゴリズムであることを特徴とする請求項５に記載の方法。
連続する辺の結ばれていないが関連する集合を、修飾仮説に従ってともに結合することを特徴とする請求項３乃至６のいずれか１つに記載の方法。
１つ以上の質量分析計及び１つ以上の生物学的配列データベースに接続されたコンピュータに、請求項１乃至７のいずれか１つに記載の方法の諸ステップを実行させる命令を含むことを特徴とするコンピュータ可読媒体。
１つ以上の質量分析計及び１つ以上の生物学的配列データベースに接続されたコンピュータを含むシステムであって、前記コンピュータが請求項１乃至７のいずれか１つに記載の方法の諸ステップを実行するプログラムを有することを特徴とするシステム。