标签：集合 iss 排序 fse 冗余 直接 一个个 hmm 质量控制
质谱仪：
质谱分析法是先将大分子电离为带电粒子，按质核比分离，由质谱仪识别电信号得到质谱图。
Top-down直接得到结果是蛋白。
Bottom down使用shutgun方法得到结果是肽段。
由蛋白质混合物打断为肽段混合物，按特定时间分离为LC，
初次得到的谱图为一级谱，一级谱是串联质谱，其中一个峰一个肽段。选出一个峰作为二级谱的原料，选出母离子（母离子就是整个肽段 PEPMASS）并打断送入质谱仪，二级谱是一张图中的一个肽段。除此之外还可以做更多等级的图谱，tandem mass spectrometry），二级谱图用于核心定性。利用蛋白酶的对在不同理化条件下产生不同切点的性质进行酶切，一般用一种酶切，有时候为了比对用两种。其中，子离子与肽段的关系：子离子构成肽段，即子离子的构造是“羧基----离子---氨基”式组合。当AA一个个掉掉下来之后，测量得到b+y成对数据，即peptide fragment。
质谱分析方法有从头分析法和数据库搜索匹配法，常用数据库法，即实验谱图在已知肽段理论图谱数据库中找匹配。
数据处理流程：
因为不同质谱仪产出不同格式，所以要对数据进行格式转换。Msconvert用于质谱转换用于预处理，可以降噪音，母离子矫正和输出规范化数据。
可以选择以下搜索引擎，Mascot的鉴定效果好；SEQUEST是传统的工具，不易学习和升级但是免费开源；X!Tandem可随需改动；pFind由小团队制作，但是灵敏度好；MaxQuant可同时产出定性和定量数据，使用方便，但覆盖率低。不同软件结果有不同，最好比对后选择一种。
可以选择数据库，Uniprot中的UniprotKB&Swiss-prot高质量，低冗余而且是人工的专家确认；neXtprot存储有关人类蛋白质数据，并有与实验证据相联系；IPI的稳定性比较差；NCBI中的RefSeq&nr是常见数据库直接加和，所以该数据库冗余量大，噪音非常大。
搜索引擎参数设定
蛋白质的鉴定和质检：
基于数据库法：
基于图谱数据库法的质检主要关注假阳性FDR false discover rate，因为从谱图到肽段到蛋白误差逐渐放大。如图，在某一图谱总错误导致一个蛋白错误。所以在谱图阶段就应该质检。原始数据中连续y连续b是好的。
先将蛋白质序列切成肽段序列，之后按照肽段分子排序，确定一个长度标准作为可鉴定出来的肽段，然后保留可鉴定长度的肽段。根据这些肽段找在数据库中候选图谱，组成理论图谱基于打分函数（Xcorr & △cn第一差距与第二差距）的得分判断图谱的可信度。
可基于正伪序列库方法使用Percolator做质量控制，因为理论图谱是正确序列和错误序列的集合，而伪库就是错误序列的集合，其补集是正取序列。如此做减法，得到图谱的线性模型或曲线模型，变成分类问题，以此找到正取的那部分。
此时存在共享肽段存在蛋白推导的困难，可以使用简约组装蛋白法。简约组装蛋白是选择最多信息承载的最少蛋白组合而成的蛋白组。常用MAYU法。
基于从头预测法：
从头测序预测方法是每个AA都算一遍，此方法可产生新蛋白，有PEAKS，NovoHMM，常用Nover方法，因其速度快，DeepNovo是深度学习方法。
标签：集合 iss 排序 fse 冗余 直接 一个个 hmm 质量控制
原文地址：https://www.cnblogs.com/yuanjingnan/p/11616189.html
