IQUPは,アイソバリックラベリングベースのプロテオミクスのための機械学習で定量的に信頼できないスペクトルを識別する
Yi-Yun Chou1, Jing-Chen Yang1, Tun-Chu Tsai1
1Department of Bioinformatics and Biomedical Engineering, Asia University, Taichung, 413, Taiwan.
Scientific reports
|August 29, 2025
まとめ
マススペクトロメトリープロテオミクスの 不確実なペプチドスペクトルマッチ (PSM) を特定するための 機械学習方法であるIQUPを開発しました これは低品質のデータをフィルタリングすることで定量測定の精度を改善し,タンパク質解析の信頼性を高めます.
科学分野:
- プロテオミクス
- マススペクトロメトリー
- コンピュータ生物学
背景:
- イソバリックラベリング技術は,定量プロテオミクスのために広く使用されています.
- ターゲット・デコイ・サーチを使用する現在の方法は,ペプチド・スペクトルマッチ (PSM) を含め,定量化誤差が高い.
- これはプロテオミク定量化の全体的な精度を損なう可能性があります.
研究 の 目的:
- 定量的に信頼できないPSM (QUP) を特定するための機械学習ベースの方法であるIQUPを導入する.
- イソバリックラベリング実験におけるプロテオミク定量的測定の精度を向上させる.
主な方法:
- PSMは16のスペクトルおよび距離ベースの特徴を使用して特徴づけられました.
- QUPの識別のためのモデルを訓練するために,機械学習のアプローチが採用されました.
- 性能は,精度,AUC,MCCの指標を用いて3つの独立したデータセットで評価されました.
主要な成果:
- 最高のモデルは,0. 883- 0. 966,AUC 0. 924- 0. 963,MCC 0. 596- 0. 691の精度で高い性能を達成しました.
- QUPと定量的に信頼できるPSM (QRPs) の間で相対的なエラー分布の有意な差異が観察されました.
- 予測されたQRPのみを用いて定量化すると,相対的な誤差が大きいペプチドが有意に減少 (15. 3~83. 3%) し,相対的な誤差が小さいペプチドが増加 (3. 1~25. 5%) した.
結論:
- IQUPは,さまざまなデータセットに強固なパフォーマンスと一般化性を示しています.
- この方法は,数量的に不確実なPSMを効果的に識別します.
- IQUPは,PSMとペプチドのレベルの両方で,プロテオミク定量測定の精度を高める大きな可能性を持っています.


