数据不依赖获取的质谱数据的深度学习分析方

Abstract

近年来,数据不依赖获取(data-independentacquisition,DIA)质谱技术在蛋白质组学领域内被广泛关注.然而DIA质谱数据具有维度高、背景噪声大、多种信号混合等特点,这使得DIA质谱数据的分析成为一大挑战.本文提出一种基于深度学习的可直接处理DIA质谱数据的算法:Ultra-DIA.该算法使用深度变分自动编码器提取离子信号的特征来区分不同肽段产生的子离子,最终生成虚拟谱图,进而对肽段和蛋白进行定性和定量分析.对于测试数据,该算法找到的肽段数量和蛋白数量比主流算法DIA-Umpire分别多61.4%和64.5%.此外,相较于 DIA-Umpire,该算法能够找到更多低浓度的蛋白.