一种基于深度学习提高单细胞蛋白质组鉴定覆盖率的方法

1聚焦的痛点问题：单细胞蛋白质组学改变了传统上从单细胞转录组水平推断蛋白质的不足，其发展主要受到纳米级样品和复杂的实验程序的限制。数量少、丰度低的蛋白质容易受到噪声的干扰，导致蛋白质鉴定困难。与大量蛋白质数据相比，单细胞中的蛋白质水平较低，质谱数据的MS/MS光谱中可检测到的高信度碎片段离子更加稀少。许多肽段没有产生足够的碎片离子来支持自身被鉴定的置信度，这使得提高单细胞蛋白质组质谱数据的蛋白质覆盖率具有较高的挑战性。2竞争优势分析：目前单细胞蛋白质组质谱数据分析方法主要包括：基于蛋白质质谱检索软件来进行单细胞蛋白质组质谱数据蛋白质鉴定和定量；机器学习和统计学习等方法进行单细胞蛋白质组质谱数据蛋白质鉴定和定量；如Maxquant，DART-ID，MokaPot。但上述方法缺少考虑单细胞蛋白质MS/MS谱图碎片离子较少，导致蛋白质水平有限。本方法DeepSCP相较上述方法，显著提升预测肽匹配谱图数量，显著提升鉴定肽段与蛋白数量和细胞聚类效果。