Percolator

渗滤器

Percolator 是一种使用半监督机器的算法 学习提高正确和不正确频谱之间的区分 标识。 比赛来自 搜索诱饵数据库提供 分类器的负例，以及 来自目标数据库的高分匹配提供 正面的例子。 Percolator 训练机器学习 一种称为支持向量机 (SVM) 的算法来区分 通过将权重分配给多个 特征。 特征示例包括吉祥物得分、前体质量误差、 片段质量误差，变量数 修改等。具有最佳权重的特征向量 然后用于对来自所有查询的匹配项重新排序，通常会提高敏感性。

Percolator 由 Lukas Käll、Jesse D Canterbury、Jason Weston 开发， 华盛顿大学的 William Stafford Noble 和 Michael J MacCoss， 基因组科学系。 该软件是在 阿帕奇 2.0 许可证 并经许可包含在吉祥物中。

我们还要感谢 Markus Brosch 及其同事在 英国欣克斯顿的 Sanger 中心，首先将 Percolator 应用于 Mascot 结果 并开发了一个名为 吉祥物渗滤器 。

有一些相关的出版物：

• Kall, L. 等人，从鸟枪法蛋白质组学数据集中进行肽识别的半监督学习， 自然方法 4 923-925 (2007)
• Kall, L. 等人，后验错误概率和错误发现率：同一枚硬币的两个面， 蛋白质组研究杂志 7 40-44 (2008)
• Kall, L. 等人，使用诱饵数据库为通过串联质谱法鉴定的肽分配意义， 蛋白质组研究杂志 7 29-34 (2008)
• Kall, L. 等人，与通过串联质谱法鉴定的肽相关的后验误差概率的非参数估计， 生物信息学 24 I42-I48 (2008)
• Brosch, M. 等人，使用 Mascot Percolator 进行准确和敏感的肽鉴定， 蛋白质组研究杂志 8 3176-3181 (2009)
• Spivak, M. 等人，Percolator 算法的改进，用于从 Shotgun 蛋白质组学数据集中进行肽识别， 蛋白质组研究杂志 8 3737-3745 (2009)

Percolator p 值 、 q 值 和后验错误概率 ( PEP 为每个匹配 q值可以认为是错误发现率。 如果我们接受所有 q 值为 0.01 或更小的匹配， 错误发现率为 1%。 PEP 是单个匹配是偶然事件的概率。

使用 Percolator 对 Mascot 搜索中的匹配项重新排序的要求是：

1. MS/MS 搜索
2. 搜索必须包括自动诱饵数据库搜索的结果
3. 搜索必须包含至少 750 个查询
4. 必须搜索至少 100 个数据库条目。
5. 搜索不能是容错搜索。

如果满足这些要求， 结果报告将包括一个复选框 Show Percolator score 。 选中此项并重新加载报告时， 原吉祥物分数将被替换如下：

• 分数：-10log(PEP)
• 期望值：PEP
• p<0.05 的身份阈值分数：13

渗滤器通常会给灵敏度带来有价值的改进。 有时它可能会失败。 例如，如果搜索结果中好的匹配项很少，则可能没有足够的正数 可以使用的示例。

特征

Percolator 可以使用的完整功能集在代码中定义。 你可以 使用 Mascot 配置文件的 Options 部分中的设置选择这些功能的子集， 吉祥物.dat。 出厂时的默认设置是：

PercolatorFeatures dM、mScore、MIT、MHT、peptideLength、z1、z2、z4、z7、isoSysDM、isoSysDMppm、isoSysDMz、12C、mc0、mc1、mc2、varmods、varmodsCount、totInt、intMatchedTot、relIntMatchedTot、RMS、RMSppm、meanAbsFragDa、meanAbsFragPPM ， 原始分数

Percolator 可用的功能列表

功能名称	描述
保留时间	保留时间（以秒为单位）（如果有）
分米	以 Da 计算减去观察到的肽质量
分数	吉祥物得分（常亮）
lgDScore	吉祥物得分减去下一个最佳非等压肽命中的吉祥物得分
计算器	计算先生
收费	收费
dMppm	计算减去观察到的肽质量（以 ppm 为单位）
绝对DM	以 Da 计算的减去观察到的肽质量的绝对值
绝对DMppm	以 ppm 为单位计算减去观察到的肽质量的绝对值
异构体	在消除高达 2 Da 的可能同位素误差后，计算的减去观察到的肽质量的绝对值，以 Da 为单位
异DMppm	在消除高达 2 Da 的可能同位素误差后，计算的减去观察到的肽质量的绝对值，以 ppm 为单位
isoDmz	计算减去观察到的肽 m/z 的绝对值
麦克	错过的切割次数（如果没有酶，则始终为 0）
变种器	已修改站点数除以可修改站点数（如果可修改站点数为 0，则设置为 0）
变量计数	存在的不同 varmod 的数量
变量计数	肽段中使用的变量 mods 的数量。 也就是说，如果有 10 个 Met，其中 5 个被氧化，则计为 1。具有 Met-OX、磷酸化、脱酰胺和乙酰化的肽将计为 5。
可修改	可修改站点总数
修改的	修饰残基和末端的总数
总整数	记录总离子强度。 每个 100 Da bin 中的 20 个最强烈的峰用于所有特征，totInt 报告这个值
intMatchedTot	记录总匹配离子强度
relIntMatchedTot	总匹配离子强度除以总离子强度的百分比（不涉及对数）
fragDeltaMed	Da 中所有匹配片段错误的中值
问DeltaIqr	Da中所有匹配片段错误的四分位距值
fragDeltaMedPPM	以 ppm 为单位的所有匹配片段错误的中值
fragDeltaIqrPPM	所有匹配片段错误的四分位数范围值（以 ppm 为单位）
fragDeltaPolyFit	二阶多项式拟合 m/z 与 delta。 结果是 Rsquared 乘以点数除以 100
最长	最长序列匹配离子，针对每个离子系列（仅主干）单独报告，与 fracIonsMatched 一样
分数匹配	计算的离子匹配分数，针对每个离子系列单独报告，NL 集中在一起（例如 fracIonsMatchedB1、fracIonsMatchedB1deriv、fracIonsMatchedB2、fracIonsMatchedB2deriv）
匹配强度	匹配的离子强度，针对每个离子系列单独报告，与 fracIonsMatched 一样
匹配	尝试进行 ms-ms 匹配的肽段匹配数
和	吉祥物身份门槛
MHT	吉祥物同源阈值
肽长度	肽长度
z1	1 如果电荷 = 1
z2	1 如果电荷 = 2 或 3
z4	1 如果电荷 = 4、5 或 6
z7	1 如果费用 = 7 或更多
12C	1 如果肽质量为 12C 值（无同位素错误）
mc0	1 如果错过的切割 = 0 或如果没有酶
mc1	1 如果错过的乳沟 = 0 或 1
mc2	1 如果错过乳沟 = 2 或更多
有效值	匹配片段的 RMS m/z 误差
有效值ppm	匹配片段的 RMS ppm 误差
平均AbsFragDa	匹配片段的平均绝对 m/z 误差
平均AbsFragPPM	匹配片段的平均绝对 PPM 误差
原始分数	使用与主系列序列离子匹配的简单二项式得分和 p = 2*ITOL*n/100 其中 n 是在每个 100 Da bin 中选择的峰数
肽	匹配的肽串插入数字以表示修改，例如 X.DAKAAM1AGRLM1IR.X
蛋白质	包含此肽的蛋白质序列的制表符分隔列表。 必须是列表中的最后一个特征

一个特征的处理方式与其他特征不同：保留时间。 如果保留时间包含在峰列表中，那么它 在 Mascot 结果文件中可用，它可以通过将实验 RT 值与通过计算的值进行比较来用作特征 渗滤器。 要启用此功能：

• 峰列表必须使用 MGF 提供保留时间信息 RTINSECONDS 参数。 拥有是不够的 嵌入在扫描标题字符串中的信息
• 在 mascot.dat 的 Options 部分中，将 PercolatorUseRT 设置为 1 以默认打开此功能。 请注意，Percolator 中的保留时间计算非常耗时，并且对于大多数数据集而言，灵敏度的提高只是微不足道的。 我们建议不要将其作为全局默认值打开。 最好通过将参数 percolate_rt=1 添加到报告 URL 来在特定示例上进行尝试。

mascot.dat 中的两个选项控制是否对排名 1 以外的目标匹配进行渗透：

• PercolatorTargetRankScoreThreshold：如果分数低于此值（默认为 20），则不渗透排名低于 1 的目标匹配
• PercolatorTargetRankRelativeThreshold：如果分数差除以排名 1 的分数大于此值（默认 0.2），则不渗透排名 1 以下的目标匹配

数据流

1. 在完成合格搜索时，nph-mascot.exe 创建一个 Percolator 输入 结果目录中的文件 (*.pip)
2. 加载 Percolated 结果的报告时，Percolator 可执行文件由 nph-cache_families.pl 创建 结果目录中的一对输出文件（*.target.pop, *.decoy.pop）。 如果渗透开启 默认情况下，不建议这样做，这将在第一次加载报告时发生。 否则，它 当 Percolator 复选框被选中并使用 Format As 。
3. 最后，nph-cache_families.pl 使用 *.pop 文件创建允许报告的新缓存文件 使用渗透分数代替原始吉祥物分数来显示。