質(zhì)譜數(shù)據(jù)定量分析方法詳解演示文稿

質(zhì)譜數(shù)據(jù)定量分析方法詳解演示文稿目前一頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)（優(yōu)選）質(zhì)譜數(shù)據(jù)定量分析方法目前二頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)第一部分：研究背景目前三頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)定量數(shù)據(jù)分析面對(duì)的問(wèn)題大規(guī)模Biomarker發(fā)現(xiàn)低豐度蛋白質(zhì)

信號(hào)S/N低+鑒定信息少

重復(fù)實(shí)驗(yàn)數(shù)據(jù)綜合蛋白質(zhì)和肽段預(yù)分離技術(shù)策略的數(shù)據(jù)綜合Biomarker驗(yàn)證靶標(biāo)分析靶標(biāo)挑選（MRM）肽段分析效率預(yù)測(cè)（絕對(duì)定量）生物樣本蛋白質(zhì)表達(dá)的隨機(jī)變化影響臨床診斷直接尋找差異

肽段組學(xué)，肽段特征矩陣，LC-MS策略，信號(hào)直接對(duì)比+有選擇鑒定目前四頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)定量數(shù)據(jù)分析的基本方法不包括MRM、iTRAQ和SC定量標(biāo)記定量無(wú)標(biāo)定量目前五頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)計(jì)算問(wèn)題圖譜定量信息提取同位素峰簇處理肽段定量指標(biāo)計(jì)算比值計(jì)算，XIC處理，母離子誤差校正RT對(duì)齊LC-MS策略和LC-MS/MS策略的不同信號(hào)歸一化消除系統(tǒng)誤差差異顯著性檢驗(yàn)考慮信號(hào)強(qiáng)度影響目前六頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)質(zhì)譜信號(hào)與定量無(wú)標(biāo)記：同位素峰標(biāo)記：配對(duì)的同位素峰目前七頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)圖譜定量信息提取方法基本方法

最大值法，平滑積分法，信號(hào)求和，構(gòu)建3Dpeaks（MaxQuant），函數(shù)擬合附加處理

小波去噪，同位素分布約束，信噪比過(guò)濾結(jié)果形式

標(biāo)記定量：比值，定量指標(biāo)

無(wú)標(biāo)定量：定量指標(biāo)目前八頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)肽段定量指標(biāo)計(jì)算可選步驟去噪處理：小波，平滑濾波XIC峰形擬合：復(fù)雜的類高斯函數(shù)XIC邊界確定：信噪比，連續(xù)性，局部最小值母離子匹配誤差分布：提高精度？標(biāo)記定量：比值計(jì)算，MaxQuant采用了最小二乘擬合法問(wèn)題：不同試劑標(biāo)記的肽段XIC平移，差異越大，表現(xiàn)越明顯無(wú)標(biāo)記定量：定量指標(biāo)計(jì)算目前九頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)RT對(duì)齊LC-MS策略：尋找共同的肽段信號(hào)，建立非線性模型LC-MS/MS策略：利用共同鑒定肽段的RT建立對(duì)齊模型對(duì)齊模型：3次樣條，局部回歸，小波，分段線性，偏移向量等作用：對(duì)LC-MS/MS策略，可以彌補(bǔ)鑒定信息的不足，提高M(jìn)S圖譜信號(hào)利用率目前十頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)信號(hào)歸一化和差異顯著性檢驗(yàn)信號(hào)歸一化目的：針對(duì)無(wú)標(biāo)記定量，消除不同實(shí)驗(yàn)間的系統(tǒng)誤差基本方法：尋找不變量差異顯著性檢驗(yàn)從肽段到蛋白質(zhì)的信息綜合：平均？篩選？異方差問(wèn)題：信號(hào)越弱，誤差分布越寬目前十一頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)一個(gè)例子X(jué)IC定量信息:TGVIVGEDVHNLFTYAK圖譜計(jì)數(shù)SCXIC面積SA(對(duì)數(shù))保留時(shí)間RT上樣量（ug/ul）1268.5453.6616173.0707.5658.1350220.335.1559.1996300.0345.8957.6437970.003AVG_ISO_DISSCCHXCorr?CnLM(ug/ul)12625.10.623.01432.630.333.07025.580.470.3432.80.400.3324.90.490.03424.30.720.003132.20.340.003鑒定信息數(shù)據(jù)產(chǎn)生LTQ/FT分析Yeast樣品，SEQUEST搜庫(kù)，Target-decoy過(guò)濾（FDR=0.01），取Scannumber最小的記錄目前十二頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)定量軟件Cencus、CRAWDAD、MaxQuant軟件在可視化、速度、數(shù)據(jù)文件格式支持、算法精度和實(shí)驗(yàn)策略支持等方面有很大發(fā)展空間目前十三頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)定量軟件-Mascot支持的定量類型

多種標(biāo)記定量，MS/MS圖譜定量，emPAI，重復(fù)實(shí)驗(yàn)Labelfree，選擇信號(hào)最強(qiáng)的3個(gè)肽段數(shù)據(jù)處理算法特色

基于m/z和RT的對(duì)齊，多種XIC積分方法，多參數(shù)鑒定結(jié)果過(guò)濾，outliers排除，歸一化處理（利用均值）使用方法

在搜庫(kù)前定義修飾和定量的參數(shù)（通過(guò)修改XML文件實(shí)現(xiàn)），搜庫(kù)，然后使用Distiller定量目前十四頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)第二部分：研究?jī)?nèi)容和結(jié)果目前十五頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)定量信息的提?。篖abelfree去噪方法不去噪Xcalibur默認(rèn)小波去噪譜峰定量信息最大值平滑積分函數(shù)擬合信號(hào)加和同位素峰單一最高全部XIC處理小波去噪平滑去噪連續(xù)性截?cái)嗾`差分析XIC定量平滑積分函數(shù)擬合信號(hào)加和XXX圖譜水平肽段水平X共3*4*3*4*3=432種計(jì)算流程比較原則：重復(fù)實(shí)驗(yàn)的CV值最小目前結(jié)論：（1）不進(jìn)行去噪處理的信號(hào)加和方法最優(yōu)（2）高信號(hào)水平的處理結(jié)果CV值都比較小

目前十六頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)定量信息提取：標(biāo)記定量圖譜水平：非線性擬合算法特點(diǎn)可定義一般模式，支持自定義標(biāo)記方法，支持多重標(biāo)記能夠充分利用同位素分布信息能夠直接解決譜峰疊加問(wèn)題目前十七頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)定量信息提?。簶?biāo)記定量肽段水平

實(shí)現(xiàn)了多種算法：XIC面積比，

圖譜比值平均，主成分分析，最小二乘回歸采用了異常值排除策略實(shí)現(xiàn)了基于XIC連續(xù)性的截?cái)嗄壳笆隧?yè)\總數(shù)三十四頁(yè)\編于點(diǎn)

單一同位素峰最高問(wèn)題：同位素峰分布測(cè)量誤差第二同位素峰最高第三同位素峰最高第四同位素峰最高數(shù)據(jù)：FT_yeast,BPRC,高可信鑒定肽段目前十九頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)問(wèn)題：從質(zhì)量預(yù)測(cè)同位素分布經(jīng)驗(yàn)公式：從IPI.Human3.49酶切肽段中統(tǒng)計(jì)（胰酶，2個(gè)漏切，肽段長(zhǎng)度不超過(guò)100）aibi1.0070.00057920.0006321-0.092120.00056830.022920.00055260.096750.0005680.11380.00057950.1215Bellew,M.,M.Coram,etal.,Bioinformatics,2006.22(15):.目前二十頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)重復(fù)實(shí)驗(yàn)的數(shù)據(jù)處理RT對(duì)齊和交叉搜索P1P2Pn…√XX√√√MS搜索MS搜索信息的充分利用不可逆：需要建立個(gè)RT對(duì)齊模型可逆：需要建立n-1個(gè)模型工作：實(shí)現(xiàn)了基于局部回歸（采用線性函數(shù)）的可逆模型和算法，大大減小了計(jì)算量目前二十一頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)交叉搜索的效果鑒定次數(shù)定量次數(shù)目前二十二頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)重復(fù)實(shí)驗(yàn)的數(shù)據(jù)處理信息融合問(wèn)題：一個(gè)肽段，多個(gè)定量結(jié)果，怎樣給出最終結(jié)果？方法：信號(hào)歸一化后，求平均值、中值或者最大值結(jié)果：對(duì)簡(jiǎn)單重復(fù)來(lái)說(shuō)，分組平均后組間差異更小，例如10次重復(fù)，分為兩組，求5次平均。數(shù)據(jù)：FT_yeast，BPRC目前二十三頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)標(biāo)記定量中比值分布--信號(hào)強(qiáng)度H/D（3）標(biāo)記實(shí)驗(yàn)中發(fā)現(xiàn)，比值的標(biāo)準(zhǔn)差隨著XIC中peaknumber的增大而減小數(shù)據(jù)：FT，人血漿，BPRC目前二十四頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)無(wú)標(biāo)記定量中差異分布分段估計(jì)方差目前二十五頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)帶有參數(shù)的分布模型極大似然估計(jì)—直接優(yōu)化似然函數(shù)初始值的選擇決定成敗目前二十六頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)標(biāo)記定量軟件SILVERC++語(yǔ)言GUI交互操作批量數(shù)據(jù)處理文件格式支持：XML，Mascotdat和html多線程，圖譜、XIC導(dǎo)出，多種輸出格式，算法優(yōu)化目前二十七頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)索引文件和速度提升索引文件和數(shù)據(jù)結(jié)構(gòu)Scannumber到MS圖譜索引：Hash表圖譜中Isotopicpeaks定位：二分法查找目前二十八頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)無(wú)標(biāo)記定量軟件LFQuant重復(fù)實(shí)驗(yàn)支持定量精度和參數(shù)優(yōu)化速度：1s可以定量1000個(gè)肽段支持pepXML，protXML，mzXML，mzData，mzML蛋白質(zhì)組裝和未鑒定肽段搜索RT對(duì)齊、信號(hào)歸一化從搜庫(kù)（SEQUEST）到定量完成的全流程自動(dòng)化，有GUI界面目前二十九頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)LC-MS策略支持軟件XICFinder不需要鑒定信息，直接從MS圖譜中解析同位素峰簇考慮了XIC截?cái)?，同位素峰疊加，母離子誤差校正等問(wèn)題提供了信噪比、同位素分布擬合優(yōu)度等過(guò)濾測(cè)試：發(fā)現(xiàn)采用嚴(yán)格過(guò)濾規(guī)則，則鑒定肽段也可能不能定量，說(shuō)明和LC-MS/MS策略可以相互補(bǔ)充目前三十頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)第三部分：進(jìn)一步的思考目前三十一頁(yè)\總數(shù)三十四頁(yè)\編于點(diǎn)預(yù)分離和信號(hào)歸一化SDS分離蛋白質(zhì)多條帶分布條帶切割的不均勻性不同實(shí)驗(yàn)之間信號(hào)不可