新春特辑 | 生物信息学

      大家好，感谢大家多年以来的陪伴。在此，小编祝大家新年快乐，虎年大吉。今天为大家总结一下2021年期间王初课题组公众号推送的生物信息学（主要为非机器学习）相关的文献。

Outline：

1.    质谱谱图的直接数据处理；

2.    质谱谱图解析与肽段测序。

1.  质谱谱图直接数据处理

      质谱谱图是支持蛋白质组学发现的最终证据，如果能够追踪发表论文中重要结论的相关谱图将会非常有帮助。【Nat. Methods | 质谱通用谱图标识】一文中发展了通用谱图标识（USI），提供了一种标准机制，用于编码任意保存在公开蛋白质组数据库中质谱谱图的虚拟路径。USI使得谱图数据更加透明，目前在ProteomeXchange库中已经有30亿的谱图对应10亿USI鉴定标识可以被访问。

在非靶向代谢组学的结果分析中，研究人员主要通过实验给出的质谱与已知化合物质谱数据库的相似性比对，以实现对某一化合物的代谢信息注释。因此，相似性比对算法的准确性决定了正确注释小分子化合物的可能性。【Nat. Methods | 光谱熵相似性算法用于MS/MS中的小分子化合物鉴定】一文中，作者开发了一种基于信息论的光谱熵相似性算法，并证明了该算法优于目前常用的点积相似性算法。

获取更“纯净”的谱图可提高谱图解析的正确度，除实验方面的改进外，也可通过计算的方法识别并除去干扰部分。质谱数据采集时，因isolation window会引入其它肽段离子一起碎裂形成混合谱，加大二级谱的复杂程度，影响搜库等匹配过程。【Nat. Methods | 代谢组谱图解卷积新方法】一文中作者开发了DecoID这种代谢组二级谱图解卷积的方法，可除去二级谱中其它碎片离子的干扰，使谱图更“纯净”，并对于DDA和DIA的数据都能够实现高可信的处理，提升鉴定效率。

2.  质谱谱图解析与肽段测序

      糖肽包含糖链及肽段两个部分，对其完整序列的解析仍是一个难点。目前常见的搜索糖肽的引擎主要先解析肽段的序列，并将糖视为一个可变修饰，糖层面的解析质量不是一个关键。但例如pGlyco的算法则先确定糖的部分，在移除不可靠的糖链后解析肽段部分。【Nat. Methods | pGlyco3实现准确快速的糖肽及修饰位点分析】一文中在上述基础上开发了pGlyco3，结合ETxxD的信息可位点特异地识别糖修饰位点，并支持带修饰的糖链的解析。【Nat. Methods | 糖蛋白质组学鉴定工具评测】一文中也详细比较了糖蛋白质组学的数据分析软件在不同糖型上的表现。

人类淋巴细胞抗原（human lymphocyte antigen，HLA）可以通过识别多肽配体参与并调控细胞的免疫调节和免疫应答等相关途径，因此HLA特异性多肽配体的鉴定对HLA相关的功能机制研究非常重要。抗原肽的末端氨基酸不固定，因此对于抗原肽的鉴定需要更大的运算空间和更准确的谱图解析算法。【Mol. Cell. Proteomics | 不同搜索引擎在免疫肽组学分析中的偏好性】一文中比较了1）COMET (v.2019013) ；（2）Maxquant (v.1.6.1.0) (Andromeda)；（3）MS-GF (v.20181015)；（4）Peaks (v.8.5)四个软件进行比较，结果表明目前的搜索引擎在免疫肽组学数据分析方面具有一定的局限性，虽然Peaks软件与其它引擎相比表现较好，但仍有相当部分的免疫肽不能被有效鉴定，目前使用各引擎互补搜索比较好。

数据非依赖性采集模式DIA逐渐在蛋白质组学研究中崭露头角，相比于传统的数据非依赖性采集模式DIA有更好的覆盖度、重现性、定量准确性。本课题组最近也报道了DIA-ABPP的无标定量技术（号外 | 王初课题组发展新型定量化学蛋白质组学策略）。而因DIA谱图较为复杂，对其的解析是研究的热点。【Nat. Biotechnol. | MaxDIA用于DIA数据分析】一文中Cox课题组进一步开发了MaxQuant 2.0版本，加入了数据非依赖性采集数据的搜库软件，称为MaxDIA，共享图形用户界面，计算设施以及算法工作组件，从而可以实现DDA和DIA样品的集成式一体化分析。MaxDIA与DIA数据分析中常用的商业化软件spectronaut相比较，发现MaxDIA在相当的鉴定数目情况下，有更小的变异系数，并且发现discovery-DIA可以比基于谱图库的DIA分析有更好的鉴定能力，MaxDIA还可以和BoxCar以及基于离子迁移谱这两种新技术进行结合，实现蛋白质组学的深度鉴定和精确定量。

      以上，为王初课题组分享的文献中有关生物信息学的内容，欢迎大家交流与学习。

本文作者：JGG