PEAKS DeepNovo多肽从头测序多解决方案详解
众所周知，PEAKS被业界认为是多肽从头测序的金标准。为了进一步推动从头测序技术的发展，2017年，BSI率先将深度学习技术引入质谱数据的多肽从头测序中，并报道了其准确性显著提高[1,2]。这项技术的速度和准确性自然驱动了我们将DeepNovo整合到PEAKS的解决方案中。
作为从质谱(MS)数据中发现全新多肽的关键技术，DeepNovo提供了先进的解决方案，并将进一步推动抗体测序和新抗原发现等研究。
主要特点
作为从质谱(MS)数据中发现全新多肽的关键技术，DeepNovo提供了先进的解决方案，并将进一步推动抗体测序和新抗原发现等研究。
主要特点
- 整合深度神经网络模型，可在氨基酸水平和多肽水平上提高准确度
- 利用GPU加速从头测序
- 在不同的MS技术下，多肽从头测序均得以提升
当使用Bruker timsTOF SCP数据[3]进行测试时，DeepNovo在氨基酸水平和肽水平上的准确率分别比我们之前的PEAKS de novo算法高20.5%和16.6%(表1)。此外，使用ThermoFisher Orbitrap数据[4]也有显著改善，在氨基酸和肽水平上的准确率分别提高了5.5%和10.6%(表2)。
在本组测试中，我们比较了PEAKS DB，PEAKS de novo以及DeepNovo的多肽。我们比较多肽序列之间的交集，以及由PEAKS de novo 和DeepNovo的氨基酸的交集。PEAKS de novo 和DeepNovo大约有64% 以上的重叠。PEAKS DB的结果作为基准，更重要的是与PEAKS de novo 相比，DeepNovo与PEAKS DB有更多的多肽是共同的。
为了利用DeepNovo建立新的肽得分阈值，我们使用timsTOF和Orbitrap数据比较了PEAKS de novo和DeepNovo结果之间的氨基酸准确性和得分分布。在这两种情况下，DeepNovo在得分阈值为55时，氨基酸水平上达到了~95%的准确率，而在相同的得分截止值下，de novo肽在氨基酸预测方面的准确率约为~80%。这些结果表明，使用深度学习技术可以提高多肽测序的准确性。与此结果一致的是，我们对许多大型公共数据集和内部数据的经验表明，在使用PEAKS de novo和DeepNovo(对于timsTOF数据)时，要求多肽从头测序氨基酸水平达到约95%准确率时，对应的得分阈值分别需要最低80分和55分。
Reference
01. Tran, N. H., et al. (2017). De novo peptide sequencing by deep learning. Proceedings of the National Academy of Sciences of the United States of America, 114(31), 8247–8252. https://doi.org/10.1073/pnas.1705691114
02. Tran, N. H., et al. (2019). Deep learning enables de novo peptide sequencing from data-independent-acquisition mass spectrometry. Nature methods, 16(1), 63–66. https://doi.org/10.1038/s41592-018-0260-3
03. Phulphagar KM, et al. (2023). Sensitive, high-throughput HLA-I and HLA-II immunopeptidomics using parallel accumulation-serial fragmentation mass spectrometry. bioRxiv. 532106. doi: 10.1101/2023.03.10.532106
04. Tretter C, et al. (2023). Proteogenomic analysis reveals RNA as a source for tumor-agnostic neoantigen identification. Nat Commun. 14(1):4632. doi: 10.1038/s41467-023-39570-7
