近日來自華東理工大學(xué)以及上海生物信息研究中心的研究人員在國際蛋白質(zhì)組學(xué)頂級期刊《分子與細(xì)胞蛋白質(zhì)組學(xué)》（Molecular & Cellular Proteomics，MCP，2010年SCI影響因子為8.35）上發(fā)表了題為“Feature-matching pattern-based support vector machines for robust peptide mass fingerprinting”的生物信息學(xué)研究論文。

 

文章的通訊作者是華東理工大學(xué)的張嗣良教授，其早年畢業(yè)于華東華工學(xué)院抗生素制造工學(xué)專業(yè)，長期以來以微生物反應(yīng)與發(fā)酵工程為研究對象，取得一系列生物醫(yī)藥產(chǎn)品生產(chǎn)技術(shù)的重大突破，曾三次獲得國家科技進(jìn)步二等獎和多次省部級科技進(jìn)步獎項(xiàng)，為推動我國生物醫(yī)藥等行業(yè)的技術(shù)進(jìn)步做出了重大貢獻(xiàn)。發(fā)表論文100多篇，其中SCI收錄20余篇。

  

作為蛋白質(zhì)組學(xué)研究領(lǐng)域一種非常重要的蛋白質(zhì)鑒定方法，肽質(zhì)量指紋圖譜（Peptide mass fingerprinting，PMF）和串聯(lián)質(zhì)譜（Tandem MS，MS/MS）相比，具有高通量、對單肽的高度特異性、對蛋白質(zhì)翻譯后修飾的低敏感度等特點(diǎn)。本研究著眼于提高PMF算法的精確度和穩(wěn)定性，將蛋白質(zhì)鑒定過程區(qū)分為獨(dú)立而又關(guān)聯(lián)的三個對象，針對每個對象的特定屬性和關(guān)鍵問題，共分解出35640個特征；利用機(jī)器學(xué)習(xí)方法—支持向量機(jī)—訓(xùn)練1733項(xiàng)標(biāo)準(zhǔn)數(shù)據(jù)集；與現(xiàn)有四種PMF鑒定算法（Mascot，MS-Fit，ProFound 和 Aldent）相比，新算法在靈敏度、精確度和穩(wěn)定性上均獲得顯著提高；并在新算法理論基礎(chǔ)上建立了專用蛋白質(zhì)鑒定網(wǎng)站。審稿人認(rèn)為該項(xiàng)研究觀念新穎，具有很好的應(yīng)用性。

 

本研究得到了國家973項(xiàng)目“生化反應(yīng)過程放大原理與方法” （2007CB714303）和生物反應(yīng)器工程國家重點(diǎn)實(shí)驗(yàn)室開放課題資助。