基于深度学习的保留时间预测方法的研究进展及应用
在基于液相色谱-质谱联用的蛋白质组学研究中,肽段的保留时间作为有效区分不同肽段的特征参数,可以根据肽段自身的序列等信息对其进行预测.使用预测得到的保留时间辅助质谱数据鉴定肽段序列可以提高鉴定的准确性,因此对保留时间预测的工作一直受到领域内的广泛关注.传统的保留时间预测方法通常是根据氨基酸序列计算肽段的理化性质,进而计算肽段在特定色谱条件下的保留时间.近年来,深度学习方法取得了极大的进展,在蛋白质组学研究中发挥着越来越重要的作用.目前已发展出了多种基于深度学习的保留时间预测方法,与传统的保留时间预测方法相比有着更高的准确度,易于跨平台使用,并且能对修饰肽段的保留时间进行预测.但对某些复杂的修饰,如糖基化修饰等的预测结果还不够准确.如何进一步提高对修饰肽段预测的准确性是基于深度学习的保留时间预测方法的重要研究方向.这些预测的保留时间被应用于肽段鉴定的质量控制和方法评估,以及与预测的二级质谱谱图结合,建立模拟谱图库等方面.该文综述了深度学习方法在保留时间预测领域的最新研究进展以及应用成果,同时对其发展趋势和未来的应用方向进行了展望,以期为保留时间预测研究以及蛋白质组鉴定工作提供参考.
液相色谱-串联质谱、保留时间、深度学习、蛋白质组
39
O658(分析化学)
国家重点研发计划项目2017YFA0505002,2018YFC0910302,2016YFA0501403
2021-04-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
211-218