基于質(zhì)譜數(shù)據(jù)的糖組學(xué)解析系統(tǒng)和新方法研究

基于質(zhì)譜數(shù)據(jù)的糖組學(xué)解析系統(tǒng)和新方法研究質(zhì)譜(MS)是一種儀器分析技術(shù),它能夠有效地解析聚糖結(jié)構(gòu)并提供定性和定量的信息。糖組學(xué)是研究生物體內(nèi)糖的分子結(jié)構(gòu)及生物功能的科學(xué)。隨著糖組學(xué)的發(fā)展,大量的聚糖結(jié)構(gòu)通過(guò)解析質(zhì)譜實(shí)驗(yàn)數(shù)據(jù)而確定。最近生物信息技術(shù)的發(fā)展提供了一個(gè)利用聚糖結(jié)構(gòu)數(shù)據(jù)庫(kù)和從頭算法對(duì)MS或MS/MS數(shù)據(jù)提取有價(jià)值的信息的機(jī)會(huì)。功能糖組學(xué)協(xié)會(huì)(CFG)已經(jīng)提供的基于網(wǎng)絡(luò)的資源,使獲得聚糖質(zhì)譜實(shí)驗(yàn)數(shù)據(jù)和聚糖結(jié)構(gòu)信息變得更加容易。然而,大量由質(zhì)譜獲取的聚糖分析的數(shù)據(jù)需要手動(dòng)注釋。此項(xiàng)工作不但耗時(shí),而且精確度很低。此外,檢測(cè)被埋沒(méi)在噪音數(shù)據(jù)中的低強(qiáng)度信號(hào)峰仍然是一個(gè)挑戰(zhàn)。因此,開(kāi)發(fā)從MS數(shù)據(jù)中準(zhǔn)確預(yù)測(cè)和注釋聚糖結(jié)構(gòu)的算法是非常需要的。本研究開(kāi)發(fā)了一種基于匹配聚糖分子的同位素相對(duì)豐度(mGIA)的方法來(lái)預(yù)測(cè)和注釋聚糖的單糖組成(糖組成)和單糖間連接方式(糖結(jié)構(gòu))的算法,它利用質(zhì)譜數(shù)據(jù)中分子同位素的觀測(cè)質(zhì)荷比值,豐度特征以及兩者之間的關(guān)系。我們首先構(gòu)建了一個(gè)完整的聚糖分子的單糖組成庫(kù),其中包含了808個(gè)聚糖的單糖以及聚糖分子相應(yīng)的同位素理論豐度。同時(shí),我們利用CFG數(shù)據(jù)庫(kù)中得到的樣品數(shù)據(jù)并結(jié)合了一個(gè)有效的數(shù)據(jù)預(yù)處理技術(shù)生成了含有所有候選組成的數(shù)據(jù)集。數(shù)據(jù)預(yù)處理是為了從MS數(shù)據(jù)中精確地提取聚糖同位素觀測(cè)峰簇,包括基線消除,平滑去噪,峰質(zhì)心化處理和一個(gè)基于庫(kù)的組成匹配方法。有別于大多數(shù)已報(bào)道的方法,我們不僅考慮到峰的質(zhì)荷比值特征,還引入了相應(yīng)的聚糖分子同位素的理論和觀測(cè)豐度向量之間的歐幾里德距離。為了解決不同聚糖分子同位素會(huì)出現(xiàn)重疊的問(wèn)題,我們?cè)谄ヅ溆?jì)算中增加了對(duì)重疊的區(qū)域的預(yù)測(cè)和識(shí)別。如果兩個(gè)匹配到的組成的質(zhì)荷比的差值接近于1至4之間的一個(gè)整數(shù),并且每個(gè)峰各有一個(gè)相匹配的理論聚糖組成,那么我們就認(rèn)為這兩個(gè)糖組成的前五個(gè)同位素峰的質(zhì)荷比是一個(gè)潛在的重疊區(qū)域。在每個(gè)樣品數(shù)據(jù)中,我們都發(fā)現(xiàn)了超過(guò)20個(gè)潛在的重疊區(qū)域。我們通過(guò)構(gòu)建一個(gè)最優(yōu)化模型對(duì)每個(gè)潛在的重疊區(qū)域內(nèi)的聚糖同位素簇進(jìn)行了去卷積處理從而改善了mGIA算法。為了提高聚糖結(jié)構(gòu)注釋的精確度,我們提出了一個(gè)線性分類的評(píng)估方法。在分類器獲取過(guò)程中,我們使用支持向量機(jī)(SVM)算法訓(xùn)練了三個(gè)候選聚糖組成數(shù)據(jù)集,它們是源于CFGprofiling數(shù)據(jù)庫(kù)中的三個(gè)不同的人體組織樣品數(shù)據(jù)。并使用CFGprofiling數(shù)據(jù)庫(kù)中的小鼠腎臟樣品數(shù)據(jù)對(duì)我們的算法進(jìn)行了驗(yàn)證,結(jié)果顯示比他人的注釋多鑒定出6個(gè)聚糖組成。并且與已報(bào)道的算法相比,我們顯著改善了對(duì)豐度較弱的離子的檢測(cè)。因?yàn)閺腃FGprofiling數(shù)據(jù)庫(kù)的7個(gè)CHO樣品數(shù)據(jù)獲得的訓(xùn)練數(shù)據(jù)集具有不平衡性,影響了分類器效果。我們因此嘗試了幾種不同的采樣技術(shù),如過(guò)采樣技術(shù)SMOTE等,分別與支持向量機(jī)(SVMs)算法相結(jié)合對(duì)候選聚糖組成集進(jìn)行訓(xùn)練。結(jié)果顯示通過(guò)SMOTE-支持向量機(jī)算法,所有樣品的注釋靈敏度平均增長(zhǎng)了26.8%?；谶@個(gè)注釋算法,我們開(kāi)發(fā)了一個(gè)名為GlycoMaid的系統(tǒng)來(lái)幫助用戶使用聚糖組成自動(dòng)標(biāo)注質(zhì)譜實(shí)驗(yàn)數(shù)據(jù),并列出注釋的可信度以及所有在CFG數(shù)據(jù)庫(kù)中的候選結(jié)構(gòu)鏈接。軟件包和源代碼發(fā)布在/p/glycomaid/。為了豐富注釋的聚糖組成的候選結(jié)構(gòu)集,我們通過(guò)一系列酶反應(yīng)規(guī)則模擬了在內(nèi)質(zhì)網(wǎng)和高爾基體中的生物合成過(guò)程。結(jié)果發(fā)現(xiàn)具有較高質(zhì)荷比值的聚糖組成在生成的結(jié)果中會(huì)出現(xiàn)較多的假陽(yáng)性結(jié)構(gòu)。我們還嘗試使用了組織信息對(duì)來(lái)自CFG結(jié)構(gòu)數(shù)據(jù)庫(kù)的注釋結(jié)果進(jìn)行過(guò)濾,遺憾的是現(xiàn)有的生物信息非常有限,使得這種方法