PEAKS DeepNovo多肽從頭測序多解決方案詳解
眾所周知，PEAKS被業界認為是多肽從頭測序的金標準。為了進一步推動從頭測序技術的發展，2017年，BSI率先將深度學習技術引入質譜數據的多肽從頭測序中，并報道了其準確性顯著提高[1,2]。這項技術的速度和準確性自然驅動了我們將DeepNovo整合到PEAKS的解決方案中。
作為從質譜(MS)數據中發現全新多肽的關鍵技術，DeepNovo提供了先進的解決方案，并將進一步推動抗體測序和新抗原發現等研究。
主要特點
作為從質譜(MS)數據中發現全新多肽的關鍵技術，DeepNovo提供了先進的解決方案，并將進一步推動抗體測序和新抗原發現等研究。
主要特點
- 整合深度神經網絡模型，可在氨基酸水平和多肽水平上提高準確度
- 利用GPU加速從頭測序
- 在不同的MS技術下，多肽從頭測序均得以提升
當使用Bruker timsTOF SCP數據[3]進行測試時，DeepNovo在氨基酸水平和肽水平上的準確率分別比我們之前的PEAKS de novo算法高20.5%和16.6%(表1)。此外，使用ThermoFisher Orbitrap數據[4]也有顯著改善，在氨基酸和肽水平上的準確率分別提高了5.5%和10.6%(表2)。
在本組測試中，我們比較了PEAKS DB，PEAKS de novo以及DeepNovo的多肽。我們比較多肽序列之間的交集，以及由PEAKS de novo 和DeepNovo的氨基酸的交集。PEAKS de novo 和DeepNovo大約有64% 以上的重疊。PEAKS DB的結果作為基準，更重要的是與PEAKS de novo 相比，DeepNovo與PEAKS DB有更多的多肽是共同的。
為了利用DeepNovo建立新的肽得分閾值，我們使用timsTOF和Orbitrap數據比較了PEAKS de novo和DeepNovo結果之間的氨基酸準確性和得分分布。在這兩種情況下，DeepNovo在得分閾值為55時，氨基酸水平上達到了~95%的準確率，而在相同的得分截止值下，de novo肽在氨基酸預測方面的準確率約為~80%。這些結果表明，使用深度學習技術可以提高多肽測序的準確性。與此結果一致的是，我們對許多大型公共數據集和內部數據的經驗表明，在使用PEAKS de novo和DeepNovo(對于timsTOF數據)時，要求多肽從頭測序氨基酸水平達到約95%準確率時，對應的得分閾值分別需要最低80分和55分。
Reference
01. Tran, N. H., et al. (2017). De novo peptide sequencing by deep learning. Proceedings of the National Academy of Sciences of the United States of America, 114(31), 8247–8252. https://doi.org/10.1073/pnas.1705691114
02. Tran, N. H., et al. (2019). Deep learning enables de novo peptide sequencing from data-independent-acquisition mass spectrometry. Nature methods, 16(1), 63–66. https://doi.org/10.1038/s41592-018-0260-3
03. Phulphagar KM, et al. (2023). Sensitive, high-throughput HLA-I and HLA-II immunopeptidomics using parallel accumulation-serial fragmentation mass spectrometry. bioRxiv. 532106. doi: 10.1101/2023.03.10.532106
04. Tretter C, et al. (2023). Proteogenomic analysis reveals RNA as a source for tumor-agnostic neoantigen identification. Nat Commun. 14(1):4632. doi: 10.1038/s41467-023-39570-7
Copyright(C) 1998-2025 生物器材網 電話：021-64166852;13621656896 E-mail：info@bio-equip.com