计算机应用

作者：牟长宁, 王海鹏, 周丕宇, 侯鑫行

单位：山东理工大学 计算机科学与技术学院, 山东 淄博 255000

关键词：图卷积神经网络,从头测序,蛋白质组学,串联质谱

基金：国家自然科学基金资助项目（31500669）；山东省自然科学基金资助项目（ZR2014FQ024）；山东省高等学校优秀青年创新团队支持计划项目（2019KJN048）。

在蛋白质组学中从头测序是串联质谱肽段测序的重要方法之一，其具有不依赖于蛋白质数据库的优势，并在测定未知物种蛋白序列、单克隆抗体测序等领域中起着关键作用。然而由于从头测序的复杂性，导致其测序的准确率远低于数据库搜索方法，制约了从头测序的广泛应用。针对从头测序准确率低的问题，提出一种基于图卷积神经网络（GCN）的从头测序方法denovo-GCN。该方法将质谱中谱峰之间的关系用图结构表示，并从每个相应的肽碎裂位点提取谱峰特征，然后通过GCN预测当前碎裂位点处的氨基酸类型，最后逐步组成完整的肽序列。通过实验确定了GCN模型的层数、离子类型组合和测序使用的谱峰数量这3个影响模型的重要参数，并将多个物种数据集用于实验对比。实验结果表明，该方法在肽水平上的召回率比基于图论的从头测序方法Novor、pNovo提高了4.0~21.1个百分点，比基于卷积神经网络（CNN）和长短期记忆（LSTM）网络的DeepNovo提高了2.1~10.7个百分点。

来源：2021年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第9期