Optimierung und Test von Algorithmen zur Durchsuchung von Massenspektraldatenbanken zur Identifizierung von Verbindungen

Fünf in der Literatur vorgeschlagene Algorithmen zur Identifizierung unbekannter Verbindungen aus ihren Niedrigauflösungsmassenspektren wurden optimiert und getestet, indem Testspektren mit Referenzspektren in der NIST-EPA-NIH Massenspektraldatenbank abgeglichen wurden. Die Algorithmen umfassten die wahrscheinlichkeitbasierte Zuordnung (PBM), das Skalarprodukt, den Ähnlichkeitsindex von Hertz et al., die euklidische Distanz und die Absolutwertdistanz. Der Testsatz bestand aus 12.592 alternativen Spektren von etwa 8000 Verbindungen, die in der Datenbank vertreten sind. Die meisten Algorithmen wurden optimiert, indem ihre Massengewichtungs- und Intensitätsskalierungsfaktoren variiert wurden. Der Rang in der Liste der Kandidatenverbindungen wurde als Kriterium für die Genauigkeit verwendet. Der am besten abschneidende Algorithmus (75% Genauigkeit für Rang 1) war die Skalarkraft, die den Kosinus des Winkels zwischen Spektren, die als Vektoren dargestellt werden, misst. Weitere Methoden in der Reihenfolge der Leistung waren die euklidische Distanz (72%), die Absolutwertdistanz (68%) PBM (65%) und Hertz et al. (64%). Die Intensitätsskalierung und die Massengewichtung waren in den optimierten Algorithmen wichtig, wobei die Quadratwurzel der Intensitätsskala nahezu optimal war und die Quadrat- oder Kubikfunktion die beste Massegewichtungs-Potenz darstellte. Mehrere komplexere Verfahren wurden ebenfalls getestet, hatten jedoch wenig Einfluss auf die Ergebnisse. Eine bescheidene Verbesserung der Leistung des Skalarkraft-Algorithmus wurde erzielt, indem ein Begriff hinzugefügt wurde, der den relativen Peak-Intensitäten für Spektren mit vielen gemeinsamen Peaks zusätzliches Gewicht verlieh.