肽段的理论串联质谱图预测方法研究进展

• 作者: 任睿 周撷璇 孔德飞 张知非 曾文锋 詹剑锋 郝天舒 高婉铃 黄运有
• 来源期刊: 生物化学与生物物理进展
• 学科: 工学
• 关键词: 质谱 蛋白质组学 移动质子模型 机器学习 深度学习
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 综述与专论
• 页码范围: 169-180
• 页数: 12页
• 分类号: Q51|TP39
• 语种: 中文
• DOI: 10.16476/j.pibb.2018.0201

摘要

基于串联质谱技术的蛋白质组学已经成为生命科学领域的重要工具,其中肽段的理论串联质谱图(通常也被称为二级谱图)预测问题在近年来广受关注.大量高质量质谱数据的积累和计算技术的发展为此问题的解决提供了有效途径.肽段的理论二级谱图预测的方法可以分为两大类,一类是基于物理模型的方法,即基于移动质子模型的方法,例如MassAnalyzer、MS-Simulator;另一类是基于机器学习的方法,包括集成学习相关算法和基于神经网络的方法,例如PeptideART、MS2PIP、MS2PBPI和pDeep等.本文对这两大类方法进行了整理和综述,并简要指出了目前理论谱图预测方法存在的一些不足,展望了未来的发展方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	詹剑锋	中国科学院计算技术研究所	29	388	10.0	19.0
2	任睿	中国科学院计算技术研究所	3	4	1.0	2.0
3	曾文锋	中国科学院计算技术研究所	3	0	0.0	0.0
4	周撷璇	中国科学院计算技术研究所	1	0	0.0	0.0
5	高婉铃	中国科学院计算技术研究所	1	0	0.0	0.0
6	黄运有	中国科学院计算技术研究所	2	1	1.0	1.0
7	孔德飞	中国科学院计算技术研究所	1	0	0.0	0.0
8	郝天舒	中国科学院计算技术研究所	1	0	0.0	0.0
9	张知非	中国科学院计算技术研究所	1	0	0.0	0.0