[論文レビュー] Open Mass Spectrometry Search Algorithm

Lewis Y. Geer, Sanford P. Markey+7 more|ArXiv.org|Jun 1, 2004

Advanced Proteomics Techniques and Applications被引用数 15

ひとこと要約

OMSSA は、大規模なプロテオミクスデータセットにおけるペプチド同定のための高速で感受性の高い質量分析法スクリーニングアルゴリズムです。実験的 MS/MS スペクトルを理論的ペプチド配列にマッチングするための確率的スコアモデルを用い、デフォルトのしきい値において同等のツールよりも優れたパフォーマンスを達成しています。

ABSTRACT

Large numbers of MS/MS peptide spectra generated in proteomics experiments require efficient, sensitive and specific algorithms for peptide identification. In the Open Mass Spectrometry Search Algorithm [OMSSA], specificity is calculated by a classic probability score using an explicit model for matching experimental spectra to sequences. At default thresholds, OMSSA matches more spectra from a standard protein cocktail than a comparable algorithm. OMSSA is designed to be faster than published algorithms in searching large MS/MS datasets.

研究の動機と目的

• 大規模なプロテオミクス実験における効率的で正確なペプチド同定のニーズに対応すること。
• 高スループットの MS/MS データを処理する際の、既存のアルゴリズムの速度と感受性の限界を克服すること。
• 統計的に根拠のある確率モデルを通じて、高い特異性を維持する検索アルゴリズムの開発。
• 従来の手法よりも大規模なプロテオミクスデータセットをより効率的に処理できるように、計算パフォーマンスを最適化すること。
• 質量分析法を用いたプロテオミクスにおけるペプチド同定のためのオープンで拡張可能なプラットフォームを提供すること。

提案手法

• 実験的 MS/MS スペクトルと理論的ペプチド配列とのマッチングの可能性を評価するための古典的確率スコアを採用。
• フラグメントイオン強度と質量精度に基づいて、特異性を明示的な統計モデルで計算。
• マッチングされたフラグメントイオンの数と強度を考慮するスコア関数を適用。
• 大規模データセット向けのアルゴリズム的効率性とデータ構造設計により、検索速度を最適化。
• 感受性と特異性のバランスを取るために、しきい値ベースのフィルタリングシステムを実装。
• コミュニティ開発とプロテオミクスパイプラインへの統合を促進するため、オープンソースでのアクセスをサポート。

実験結果

リサーチクエスチョン

• RQ1 確率的スコアモデルは、MS/MS スペクトルからのペプチド同定における特異性を向上させることができるか？
• RQ2 標準データセット上で、OMSSA の感受性と速度は既存のアルゴリズムと比べてどの程度優れているか？
• RQ3 大規模なプロテオミクスデータを処理する際、アルゴリズムはどの程度の正確性を維持できるか？
• RQ4 オープンで拡張可能なアルゴリズム設計は、プロテオミクスワークフローへの採用と統合を促進できるか？
• RQ5 デフォルトのしきい値設定が、同定の正確性とスループットに与える影響は何か？

主な発見

• デフォルトのしきい値で、OMSSA は同等のアルゴリズムよりも標準タンパク質キットからのスペクトルをより多く同定した。
• アルゴリズムは、大規模な MS/MS データセット全体にわたってペプチド-スペクトルマッチングを検出する高い感受性を示した。
• OMSSA は、公開済みのアルゴリズムよりも高速な検索パフォーマンスを達成しており、高スループットデータの効率的処理を可能にした。
• 明確に定義された確率モデルの使用により、ペプチド同定における特異性が向上した。
• OMSSA のオープンソース性は、拡張性と広範なプロテオミクス研究パイプラインへの統合を支援した。
• ベンチマークデータセットでの検証を通じて、多様な実験的 MS/MS データセットにおいても、アルゴリズムは頑健なパフォーマンスを維持した。