质谱数据定量分析方法概要

信号归一化和差异显著性检验


信号归一化 目的：针对无标记定量，消除不同实验间的系 统误差 基本方法：寻找不变量 差异显著性检验 从肽段到蛋白质的信息综合：平均？筛选？ 异方差问题：信号越弱，误差分布越宽
一个例子
定量信息:TGVIVGEDVHNLFTYAK
图谱计数SC 126 70 3 4 XIC面积SA(对数) 8.54 7.56 5.15 5.89 保留时间RT 53.661617 58.135022 59.199630 57.643797 上样量（ug/ul） 3.0 0.3 0.03 0.003
鉴定信息
SC 126 14 70 4 3 4 1 C H 2 3 2 3 2 2 3 XCor r 5.1 2.63 5.58 2.8 4.9 4.3 2.2 ∆Cn 0.62 0.33 0.47 0.40 0.49 0.72 0.34 LM(ug/ul ) 3.0 3.0 0.3 0.3 0.03 0.003 0.003
X
XIC定量
平滑积分 函数拟合 信号加和
定量信息提取：标记定量

图谱水平：
非线性拟合算法
, i 1,2 C * Ti i C * T K T , i 3,4 i 1 i 2 i I i C * Ti K1Ti 2 K 2Ti 4 i , i 5,6 K T K T , i 7,8 2 i 4 i 1 i 2 , i 9,10 K 2Ti 4 i

未来工作
第一部分：研究背景
定量数据分析面对的问题

大规模Biomarker 发现 ---低丰度蛋白质--信号S/N低+鉴定信息少 术策略的数据综合 重复实验数据综合 蛋白质和肽段预分离技

Biomarker验证
---靶标分析--靶标挑选（MRM）肽段分析效率预测（绝对定量）生物样本蛋白质表 达的随机变化影响
XIC
AVG_ISO_DIS
数据产生 LTQ/FT分析Yeast样品，SEQUEST 搜库，Target-decoy过滤 （FDR=0.01），取Scan number最小 的记录
定量软件


Cencus、 CRAWDAD、 MaxQuant 软件在可视化、 速度、数据文 件格式支持、 算法精度和实 验策略支持等 方面有很大发 展空间

第二部分：研究内容和结果
定量信息的提取：Label ห้องสมุดไป่ตู้ree
图 谱 水 平
去噪方法
不去噪 Xcalibur默认 小波去噪
谱峰定量信息
X X
最大值 平滑积分 函数拟合 信号加和
同位素峰
X
单一 最高 全部
XIC处理
肽 段 水 平 小波去噪 平滑去噪 连续性截断 误差分析
共3*4*3*4*3=432种计算流程 比较原则：重复实验的CV值最小 目前结论： （1）不进行去噪处理的信号 加和方法最优 （2）高信号水平的处理结果 CV值都比较小
蛋白质学组中质谱数据定量分 析方法研究
谢红卫 国防科学技术大学机电工程与自动 化学院自动控制系
2010.5.15
主要内容

研究背景（我们对定量问题的认识）
定量数据分析面对的问题 定量数据分析的基本方法 已有定量软件和应用情况

研究内容和结果
定量信息提取方法及问题 多批次定量数据的对应及重复实验 差异显著性检验 计算问题和软件开发

质谱信号与定量
标记：配对的同位素峰
无标记：同位素峰
图谱定量信息提取方法

基本方法
最大值法，平滑积分法，信号求和，构建3D peaks （MaxQuant），函数拟合

附加处理
小波去噪，同位素分布约束，信噪比过滤

结果形式
标记定量：比值，定量指标
无标定量：定量指标
肽段定量指标计算
可选步骤
去噪处理：小波，平 滑滤波 XIC峰形拟合：复杂的 类高斯函数 XIC边界确定：信噪比， 连续性，局部最小 值 母离子匹配误差分布： 提高精度？
定量软件-Mascot

支持的定量类型
多种标记定量， MS/MS图谱 定量， emPAI， 重复实验 Label free， 选择信号最强的3 个肽段

数据处理算法特色
使用方法
在搜库前定义修饰和定量的参数（通过修改XML文件实现），搜库，然后 使用Distiller定量
基于m/z和RT的对齐，多种XIC积分方法，多参数鉴定结果过滤，outliers排 除，归一化处理（利用均值）
f
10
特点
i 1 10 i f 2 i 0 K 2 i 1 K 2
2 i
10 f 10 2 i i 0 f 2 i i 0 K1 i 1 K1 C i 1 C
可定义一般模式，支持自定义标记方法，支持多重标记 能够充分利用同位素分布信息 能够直接解决谱峰叠加问题
标记定量：比值计算，MaxQuant采用了最小二乘拟合法 问题：不同试剂标记的肽段XIC平移，差异越大，表现越明显 无标记定量：定量指标计算
RT对齐




LC-MS策略：寻找共同的肽段信号，建立非线 性模型 LC-MS/MS策略：利用共同鉴定肽段的RT建立 对齐模型 对齐模型：3次样条，局部回归，小波，分段线 性，偏移向量等 作用：对LC-MS/MS策略，可以弥补鉴定信息 的不足，提高MS图谱信号利用率

临床诊断 ---直接寻找差异--肽段组学，肽段特征矩阵， LC-MS策略，信号直接对比 + 有选择鉴 定
定量数据分析的基本方法
标 记 定 量 无 标 定 量
不包括MRM、iTRAQ和SC定量
计算问题
图谱定量信息提取---同位素峰簇处理 肽段定量指标计算---比值计算，XIC 处理，母离子误差校正 RT对齐---LC-MS策略和LC-MS/MS 策略的不同 信号归一化---消除系统误差 差异显著性检验---考虑信号强度影响
定量信息提取：标记定量

肽段水平
图谱比值平均，主成分分析， 最小二乘回归
实现了多种算法：XIC面积比，
采用了异常值排除策略
实现了基于XIC连续性的截断
问题：同位素峰分布测量误差
ExpIso [ i ] ERRi 6 IsoDis[i ] / IsoDis[i ], i 1 ~ 6 [i ] ExpIso i 1