Key points are not available for this paper at this time.
As técnicas proteômicas estão se tornando rapidamente o principal método para a determinação qualitativa e quantitativa do conteúdo proteico em sistemas biológicos. Apesar de avanços notáveis, a análise eficiente e precisa dos dados proteômicos de alto rendimento gerados por espectrômetros de massas continua sendo um dos principais obstáculos no problema de identificação de proteínas. Apresentamos um modelo para o número de correspondências aleatórias entre um espectro MS-MS experimental e um espectro teórico de um peptídeo. A forma da distribuição de probabilidade é uma função da precisão experimental, do número de picos no espectro experimental, do comprimento do intervalo ao longo do qual os picos estão distribuídos e do número de picos espectrais teóricos nesse intervalo. Com base nessa distribuição de probabilidade, uma ferramenta de ajuste pode ser utilizada para fornecer esquemas de pontuação rápida e precisa para a identificação de peptídeos através de busca em banco de dados. Neste artigo, descrevemos uma possível implementação de tal método e comparamos o desempenho da função de pontuação resultante com a do SEQUEST. Em termos de velocidade, nosso algoritmo é aproximadamente duas ordens de magnitude mais rápido que o programa SEQUEST, e sua precisão na identificação de peptídeos se compara favoravelmente à do SEQUEST. Além disso, nosso algoritmo não utiliza informações relacionadas às intensidades dos picos.
Fridman et al. (Fri,) estudaram essa questão.