马海滨,张纪阳,2,刘 辉,2,孙汉昌,2,谢红卫

(1.国防科学技术大学,机电工程与自动化学院自动控制系,湖南长沙 410073;2.军事医学科学院,放射与辐射医学研究所,北京蛋白质组研究中心,蛋白质组学国家重点实验室,北京 102206)

在后基因组时代,蛋白质组学(proteomics)成为生命科学研究中的一个热点[1]。由于缺乏类似基因组 PCR(polymerase chain reaction)扩增的样品倍增方法,蛋白质组学研究对实验技术的要求更高,因此,重复实验、多实验平台互补、多策略互补等方法在蛋白质组学中更加重要。这些方法是提高蛋白质鉴定和定量结果覆盖率及重复性的重要手段。目前,蛋白质组学中使用的主要研究策略大都基于质谱实验与分析。质谱方法具有高通量和高灵敏度的特点,是蛋白质组学研究的一项支撑技术[2-3]。

由于质谱仪种类繁多,精度和性能差异较大,实验产出数据格式多样,实验数据难以整合[4],而后续质谱数据处理的目的却是要从实验产出的海量数据中完成数据的获取、处理、存储和解释。在目前的研究发展阶段,实验策略和数据分析方法种类繁多,而且还在不断提出新的数据分析方法,在不同分析策略中使用的算法也不尽相同,在不同分析流程中使用的数据格式繁多且大多互不兼容,部分质谱数据文件格式列于表1。这些因素给数据共享和交换带来困难,不利于分析结果的整合,与数据处理的目标背道而驰。因此,有必要对质谱数据处理中的数据格式问题进行研究。2004年以来,相继提出了多种开放式数据标准并得到不同程度的应用,初步缓解了目前面临的质谱数据格式兼容性的问题。……