Key points are not available for this paper at this time.
Die Peptidsequenzierung mittels Tandem-Massenspektrometrie (MS/MS) ist eines der leistungsstärksten Werkzeuge in der Proteomik zur Identifizierung von Proteinen. Da vollständige Genomsequenzen schnell zunehmen, hat sich der letztliche Trend in der Interpretation von MS/MS-Spektren auf Datenbanksuche verlagert. Dennoch bleibt die De-novo-Interpretation von MS/MS-Spektren ein offenes Problem, das typischerweise eine manuelle Interpretation durch erfahrene Massenspektrometristen erfordert. Wir haben einen neuen Algorithmus, SHERENGA, für die De-novo-Interpretation entwickelt, der automatisch Fragmentionstypen und Intensitätsgrenzen aus einer Sammlung von Testspektren, die von jedem Massenspektrometer erzeugt wurden, lernt. Die Testdaten werden verwendet, um optimale Pfadbewertungen in den grafischen Darstellungen von MS/MS-Spektren zu konstruieren. Eine eingestufte Liste hoch bewerteter Pfade entspricht potenziellen Peptidsequenzen. SHERENGA ist besonders nützlich zur Interpretation von Sequenzen von Peptiden, die aus unbekannten Proteinen stammen, und zur Validierung der Ergebnisse von Datenbanksuchalgorithmen bei vollautomatisierter, hochdurchsatzfähiger Peptidsequenzierung.
Dančík et al. (Fri,) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: