肽段检测效率预测及其在定量蛋白质组学中的应用

肽段在质谱分析中的检测效率是定量蛋白质组学中的基础性问题，本项目将研究肽段检测效率的预测模型，及其在蛋白质无标记绝对定量中的应用方法。为此，将展开如下研究：针对典型质谱平台，收集高质量数据集，完成肽段的可靠鉴定和精确定量；用迭代聚类等方法计算和评估肽段检测效率，研究特征提取、优化和选择问题；利用支持向量机回归等机器学习方法构建、评估和优化肽段检测效率预测模型；利用重复实验数据，构建、评估和优化肽段检测效率预测模型在蛋白质无标记绝对定量中的应用方法。本项目研究旨在提高组学水平的蛋白质绝对定量精度，为定量蛋白质组学研究提供新的技术途径和方法。

完成了傅里叶变换（回旋共振FTICR和电子轨道阱Oribitrap）系列质谱仪的12个数据集的收集整理工作，利用Mascot和MaxQuant完成了肽段鉴定和定量。利用target-decoy方法完成了肽段鉴定结果的质量控制，得到了可靠的鉴定结果。对于其中存在多次重复实验的数据集，利用实验间定量结果回归分析的方法进行了定量结果的可靠性检验，筛选出了高质量的定量结果。以LibSVM为工具，提取肽段的500多个序列特征，构建了肽段检测效率预测的模型，并采用迭代聚类的方法完成了模型优化。最后，利用代用标准蛋白质的样品检测结果验证了肽段检测效率预测模型的有效性。