Nat Biotech | 机器学习大幅提高肽和蛋白质组的识别率

机器学习大幅提高肽和蛋白质组的识别率在2021年7月8日，《Nature Biotechnology》上发表了一篇题为“MaxDIA enables library-based and library-free data-independent acquisition proteomics”的文章，该研究由德国马克斯-普朗克生物化学研究所的Jürgen Cox教授等人共同完成。文章介绍了一种名为MaxDIA的软件平台，该平台通过结合机器学习技术，显著提高了肽和蛋白质组的识别率。一、MaxDIA平台概述MaxDIA是一个在MaxQuant软件环境中运行的软件平台，专门用于分析独立于数据的采集（DIA）蛋白质组学数据。通过使用光谱库，MaxDIA实现了深度的蛋白质组覆盖，并且其蛋白质定量的变异系数大大优于其他软件。MaxDIA的DIA工作流程进行多轮匹配，重新校准的质量和与库匹配的严格程度不断提高，从而确保了高准确性的蛋白质组定量。二、机器学习在MaxDIA中的应用机器学习是MaxDIA平台的一个重要组成部分。该平台使用了一种被称为DeepMass:Prism的双向递归神经网络（BRNN）方法，该方法在硅谷创建非常精确的串联质谱（MS/MS）谱库，用于消化来自完整蛋白质组序列数据库的肽。BRNN还被用于预测液相色谱保留时间的特定数据集。此外，为了根据从匹配的属性中得到的多变量信息对库中的DIA样品匹配进行评分，MaxDIA应用了梯度提升方法XGBoost。这种方法比只使用匹配分数本身有很大的优势，也比应用其他机器学习方法有很大的优势。XGBoost提供了关于特征对分类的重要性的信息，帮助MaxDIA更准确地识别肽和蛋白质组。三、MaxDIA的性能评估研究团队通过多个数据集对MaxDIA的性能进行了评估。他们比较了MaxDIA与其他两种常用软件平台Spectronaut在识别肽和蛋白质组方面的表现。结果显示，MaxDIA发现的肽比Spectronaut多7.4%和5.8%，并且MaxDIA的定量精度也要高得多。此外，研究团队还评估了使用MaxDIA的目标诱饵策略的FDR（假发现率）估计的可靠性。他们使用了一个由人类和玉米混合样本产生的集合DDA库，相应的DIA运行只包括人类样本。结果表明，基于诱饵的FDR估计值与外部FDR计算值有很好的一致性，进一步证明了MaxDIA的可靠性。四、机器学习对识别率的提升研究团队还通过对比实验发现，使用机器学习确实大幅提高了肽和蛋白质组的识别率。具体来说，与不使用机器学习的情况相比，使用XGBoost改进的评分方法使肽和蛋白质组的识别率分别提高了28%和18%。这一结果充分展示了机器学习在提升蛋白质组学数据识别率方面的巨大潜力。五、MaxDIA的广泛应用MaxDIA是一个嵌入MaxQuant环境的完整的端到端DIA工作流程，广泛适用于已有的和新的MS技术。它可以分析和量化已经在肽或蛋白质水平上预分的DIA样品，并且支持通用的DIA采集模式。此外，MaxDIA还可以与BoxCar采集和陷落式离子迁移谱等新技术相结合，实现更准确的蛋白质组定量。六、结论综上所述，MaxDIA平台通过结合机器学习技术，显著提高了肽和蛋白质组的识别率。这一成果为蛋白质组学研究提供了更加准确和可靠的工具，有助于推动该领域的进一步发展。随着技术的不断进步和应用的不断拓展，MaxDIA有望在更多领域发挥重要作用。