DeepNovo Peptidome一個新的肽組學專屬工作流程
基于質譜的多肽組學已成為開發多肽疫苗和免疫療法的熱門方法。這一研究領域也導致了許多non-canonical多肽的發現，并改變了我們對基因組區域閱讀和翻譯的理解。在肽組學中，將正確的氨基酸序列分配到MS/MS譜圖是至關重要的，因為每個殘基的位置和鑒定結果直接影響多肽-蛋白質的相互作用，并確定它是否是進一步完成下游分析的優質候選。隨著多肽組學分析和免疫肽組分析的普及，迫切需要有一個軟件工具以準確和直觀的方式有效地處理這類數據。
在多肽組學數據的質譜分析中，PEAKS軟件已成為首選的數據分析解決方案，作為PEAKS Studio 11和PEAKS Online 11的一部分，我們提供了一個新的DeepNovo Peptidome的肽組學專屬工作流程。
核心功能
- 在工作流中整合了 de novo sequencing, 序列數據庫搜索和同源搜索
- 為多肽的de novo測序結果提供全局的FDR評估
- 深度學習模型訓練與大型HLA肽數據集的保留時間，碎片離子，離子遷移預測
以前，對于多肽的從頭測序結果，無法進行FDR評估，因此通常用戶會選擇一個ALC的打分閾值來過濾低質量的結果。而PEAKS創新性地通過將de novo序列添加到蛋白質序列數據庫并執行第二輪數據庫搜索，估計FDR用于de novo肽以提高識別的準確性。
DeepNovo 多肽組工作流提供了多肽的完整鑒定列表，可以根據它們的鑒定方法進行篩選：數據庫搜索，同源性搜索(具有突變的肽)，或來自于從頭測序的結果。結果總結頁面中，用戶通過統計圖評估來自不同鑒定來源肽的保留時間與預測保留時間的相關性。
通過在結果列表中選擇任意特定的肽，可以將每個譜圖中碎片離子的m/z和強度值與預測的譜圖進行比較。對于離子淌度數據，也預測了每個多肽的碰撞橫截面積(CCS)的值。
通過在結果列表中選擇任意特定的肽，可以將每個譜圖中碎片離子的m/z和強度值與預測的譜圖進行比較。對于離子淌度數據，也預測了每個多肽的碰撞橫截面積(CCS)的值。
DeepNovo Peptidome工作流中添加了一種新的結果過濾方法，稱為可信氨基酸百分比（confident amino acid percentage， CAA%)，允許用戶評估肽譜中，支持這條肽段匹配的碎片離子的信號強度值高于指定閾值的氨基酸百分比。這增加了肽序列驗證的可信度。最終的多肽列表可以直接輸出，用于下游分析，如結合親和力和免疫原性預測。
參考文獻
1. Tran NH, Qiao R, Xin L, Chen X, Liu C, Zhang X, Shan B, Ghodsi A, Li M. Deep learning enables de novo peptide sequencing from data-independent-acquisition mass spectrometry. Nature Methods. 16(1), 63-66. 20/12/2018.
2. Tran NH, Zhang X, Xin L, Shan B, Li M. De novo peptide sequencing by deep learning. Proceedings of the National Academy of Sciences of the United States of America. 114(29). 18/7/2017.
3. Xin, L., Qiao, R., Chen, X. et al. A streamlined platform for analyzing tera-scale DDA and DIA mass spectrometry data enables highly sensitive immunopeptidomics. Nat Commun 13, 3108 (2022).https://doi.org/10.1038/s41467-022-30867-7
2. Tran NH, Zhang X, Xin L, Shan B, Li M. De novo peptide sequencing by deep learning. Proceedings of the National Academy of Sciences of the United States of America. 114(29). 18/7/2017.
3. Xin, L., Qiao, R., Chen, X. et al. A streamlined platform for analyzing tera-scale DDA and DIA mass spectrometry data enables highly sensitive immunopeptidomics. Nat Commun 13, 3108 (2022).https://doi.org/10.1038/s41467-022-30867-7
如果您想深入了解更多關于肽組學專屬工作流程DeepNovo Peptidome介紹和應用，歡迎掃描下方二維碼關注我們！
Copyright(C) 1998-2025 生物器材網 電話：021-64166852;13621656896 E-mail：info@bio-equip.com