基于质谱数据的非限制性翻译后修饰检测算法研究

蛋白质翻译后修饰（PTM）能够改变蛋白质的结构，调控蛋白质的活性。研究 PTM 对于阐明蛋白质的功能，解释疾病的发生机理等，都具有十分重要的意义。基于质谱技术的蛋白质组学为大规模PTM研究提供了有效的分析手段，利用串联质谱数据检测PTM已成为目前蛋白质组学研究的核心和前沿问题之一。但是，常规的质谱数据分析算法和蛋白质鉴定软件采用限制性的PTM检测模式，具有盲目性、搜索空间组合爆炸、不能发现新类型PTM等严重问题。本课题旨在提出一个完整高效实用的非限制性PTM检测计算解决方案。所谓非限制性,是指无需人为预限定一个PTM列表，而能够检测任意PTM。本课题拟采取分而治之、逐步深入的数据分析策略，针对不同特点的PTM，使用不同的PTM检测算法，包括：高丰度PTM快速发现、开放式谱-谱匹配、开放式肽-谱匹配等。通过深入挖掘质谱数据中蕴藏的丰富PTM信息，为生物知识的发现提供有效的计算分析手段。

基于质谱技术的蛋白质组学为大规模蛋白质修饰研究提供了有效的分析手段，但目前常规的限制性修饰检测方法具有盲目性和不能发现新类型修饰等缺陷。课题围绕基于质谱数据的蛋白质修饰发现问题，按计划顺利开展研究，取得了一系列重要研究成果，达到了预期目标，并有所超出。主要进展包括：1）首次提出了基于肽母离子聚类的快速修饰检测算法，该算法基于肽的修饰和非修饰形式通常同时存在这一先验知识，充分利用肽母离子的精确质量和色谱保留时间信息，通过概率混合模型和EM算法以极快的速度检测高丰度的修饰类型，相应研究结果发表在了蛋白质组学著名期刊Molecular & Cellular Proteomics；2）首次提出了基于开放式谱库搜索的修饰检测算法，该算法同样基于修饰和非修饰肽同时存在这一前提，但是利用二级谱图信息，因此可以检测低丰度修饰，通过与传统序列库搜索方法相结合，该算法可以较快的检测任意丰度的修饰并显著提高谱图解析率，相应研究结果发表在了生物信息学顶尖会议ISMB及生物信息学著名期刊Bioinformatics；3）设计了新的基于开放式序列搜索的修饰检测算法，该算法不依赖于修饰和非修饰肽同时存在的假设，因而可以检测任何情形的修饰类型，该算法只用于分析上诉两个算法无法解析的谱图，并且通过合理的算法设计和程序优化，计算量得到了有效缩减；4）基于上述算法开发了实用软件，形成了非限制性修饰检测的完整数据分析流程。5）预研了修饰检测结果的统计显著性评估问题，初步成果已发表。大量实验表明上述算法可以高效检测各类蛋白质修饰，并显著提高质谱数据解析率。所开发的实用软件（pCluster、pMatch、以及pFind开放式搜索版）已开始被国内外蛋白质组学界使用。在课题支持下，发表学术论文9篇，申请专利4项，申请软件著作权2项，在国内外重要学术会议做报告7次，并组织了首届中国计算蛋白质组学研讨会。