IQUP通过机器学习识别基于等离子标记的蛋白质组
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
概括
我们开发了IQUP, 一种机器学习方法来识别在质谱蛋白质组学中不可靠的谱匹配. 这通过过低质量的数据来提高量化准确性,提高蛋白质组分析的可靠性.
科学领域:
- 蛋白质组学
- 质谱学
- 计算生物学
背景情况:
- 同位体标签技术广泛用于定量蛋白质组学.
- 使用目标诱搜索的当前方法可能包括具有高量化误差的谱匹配 (PSM).
- 这可能会损害蛋白质量计的整体准确性.
研究的目的:
- 引入基于机器学习的方法IQUP,用于识别数量不可靠的PSM (QUP).
- 在同位体标记实验中提高蛋白质量计的准确性.
主要方法:
- 使用16种基于光谱和距离的特征来表征PSM.
- 使用机器学习方法来训练用于QUP识别的模型.
- 使用准确度,AUC和MCC指标对三个独立数据集进行了性能评估.
主要成果:
- 最好的模型的精度为0.883-0.966,AUC为0.924-0.963,MCC为0.596-0.691.
- 在QUP和数量可靠的PSM (QRP) 之间观察到相对错误分布的显著差异.
- 仅使用预测的QRP进行量化,可显著减少具有较大的相对误差的 (15.3-83.3%) 和增加具有较小相对误差的 (3.1-25.5%).
结论:
- 在各种数据集中展示了强大的性能和通用性.
- 该方法有效地识别了数量上不可靠的PSM.
- 在PSM和水平上,IQUP具有显著的增强蛋白质定量精度的潜力.


