刘超
,
王海鹏
,
付岩
,
袁作飞
,
迟浩
,
王乐珩
,
孙瑞祥
,
贺思敏
色谱
doi:10.3724/SP.J.1123.2010.00529
液相色谱-质谱(LC-MS)联用是当今规模化蛋白质鉴定的主流技术.肽段在反相液相色谱(RPLC)中的保留时间主要是由肽段的理化性质和LC条件(固定相、流动相)决定的.可以通过分析肽段的理化性质,并量化它们对肽段色谱行为的影响来预测保留时间.预测结果可以用于帮助提高蛋白质鉴定的数量和可信度,也可用于肽段的翻译后修饰等研究.现在已有的保留时间预测算法主要有保留系数法和机器学习法两大类,得到的预测保留时间与实际保留时间相关系数可达到0.93.随着色谱和质谱技术的不断发展,肽段色谱行为的稳定性和重现性越来越好,保留时间预测结果也越来越准确.预测肽段保留时间将成为提高蛋白质鉴定结果的重要技术手段之一.
关键词:
反相液相色谱-质谱联用
,
保留系数
,
机器学习
,
保留时间
,
预测
,
蛋白质
,
肽
,
鉴定
单亦初
,
赵瑞环
,
张维冰
,
张玉奎
色谱
doi:10.3321/j.issn:1000-8713.2001.03.020
在计算溶质的梯度保留时间时,根据流动相在色谱柱内的分布规律,对溶质在色谱柱内的迁移距离和流动相梯度同时进行校正,从而建立了一种预测溶质线性梯度洗脱条件下保留时间的新方法.该方法在不同的仪器系统中,对于弱保留和强保留溶质在不同线性梯度洗脱条件下保留时间的预测,都具有良好的准确度.以15种氨基酸和8种苯的同系物为例,该方法对于弱保留溶质保留时间的预测,相对平均误差分别为3.70%和4.90%,远小于文献方法得到的结果(23.61%和31.16%);对于强保留溶质保留时间的预测,相对平均误差分别为0.21%和6.01%,略小于文献方法得到的结果(0.81%和6.69%).
关键词:
高效液相色谱法
,
线性梯度
,
保留时间
,
预测
郝卫强
,
狄斌
,
杨永兵
,
陈强
,
王俊德
色谱
doi:10.3724/SP.J.1123.2010.00541
基于线性溶剂强度模型,应用特征线分析的方法求解梯度洗脱模式下的理想液相色谱模型.在考虑到梯度延迟时间会对溶质的保留时间造成影响的情况下,得到适合于梯度液相色谱中任意等度、线性和阶梯梯度组合条件下的保留时间推导公式.应用这些公式计算任意的梯度条件下的保留时间,并将得到的结果与数值计算的结果进行比较,二者完全一致,从而验证了推导得到的保留时间公式的正确性.由于这些公式具有形式简单、适用范围广等优点,因此可方便地应用于实际应用中,具有较高的实用价值.
关键词:
液相色谱
,
保留时间
,
计算公式
,
等度洗脱
,
线性梯度洗脱
,
阶梯梯度洗脱
毛心丽
,
卫军营
,
牛明
,
周廉淇
,
王雪颖
,
佟巍
,
秦伟捷
,
张养军
,
钱小红
色谱
doi:10.3724/SP.J.1123.2011.11020
建立了依赖色谱保留时间的智能化选择反应监测质谱方法,并与非依赖色谱保留时间的智能化选择反应监测质谱分析方法对不同体系(牛血清白蛋白酶切物、6种标准蛋白质混合物酶切物、腾冲嗜热菌蛋白提取液酶切物)的分析结果进行了系统比较.结果表明,引入色谱保留时间后的智能化选择反应监测质谱方法能够显著提高肽段及蛋白质的鉴定量,并且在复杂体系(如腾冲嗜热菌蛋白提取液酶切物)中效果尤为明显,鉴定到的肽段及蛋白质的覆盖率可分别达到目标肽段和蛋白质数量的89.62％和92.41％,并且灵敏度高、重复性好,能够实现对质荷比相同但保留时间有差异的肽段的准确鉴定.该方法将在复杂生物样本目标蛋白质组高通量、高灵敏度的鉴定、验证和确认中发挥独特作用.
关键词:
液相色谱
,
保留时间
,
智能化选择反应监测
,
质谱
,
目标蛋白质组学
,
腾冲嗜热菌
张纪阳
,
张代兵
,
张伟
,
谢红卫
色谱
doi:10.3724/SP.J.1123.2012.06021
基于质谱的大规模蛋白质鉴定中,在线液相色谱分离发挥了重要作用.色谱保留时间( retention time,RT)是肽段鉴定和定量的重要信息.由于整个色谱分析运行时间中,流动相中的有机相采用了非线性浓度曲线以及样品中肽段之间的相互影响等因素,基于肽段序列的RT预测还存在精度不高、模型推广性能差等问题.本文提出了一种基于串并联支持向量机( serial and parallel support vector machine,SP-SVM)的RT预测方法,能够表征洗脱过程中有机相浓度的非线性变化和肽段之间的相互影响,显著提高了肽段保留时间预测的精度.利用复杂样本数据集验证结果表明,预测RT和实验RT之间的决定系数达到了0.95,超过95％的鉴定肽段的RT预测误差范围小于总运行时间的20％,超过70％的鉴定肽段的RT预测误差范围小于总运行时间的10％.本文提出的模型的性能达到了目前已知的最好水平.
关键词:
液相色谱-质谱
,
串并联支持向量机
,
保留时间
,
预测精度
,
肽段鉴定
,
蛋白质组学
