CIDer: A Statistical Framework for Interpreting Differences in CID and HCD Fragmentation.
CIDer: A Statistical Framework for Interpreting Differences in CID and HCD Fragmentation.
复制标题
DOI：
10.1021/acs.jproteome.0c00964
复制
发表时间：
2021-04-02
影响因子：
4.4
通讯作者：
Searle BC
中科院分区：
文献类型：
--
作者：
Wilburn DB;Richards AL;Swaney DL;Searle BC
文库检索是一种功能强大的多肽检测技术，无论是数据独立采集还是数据依赖采集。虽然大规模频谱库管理员和深度学习预测方法都专注于波束型CID碎片（HCD），但共振CID碎片仍然是一种流行的技术。在这里，我们展示了一种方法来模拟HCD和CID光谱之间的差异，并提出了一个软件工具，CIDer，用于转换两种碎片方法之间的库。我们证明，仅仅使用简单的线性模型和肽碎片化的基本原理的组合，我们就可以解释在一系列碰撞能量设置中，HCD和CID碎片化离子之间高达43%的差异。我们进一步表明，在某些情况下，搜索转换的CID库比搜索现有的CID库或FASTA数据库中的机器学习预测库可以检测到更多的肽。这些结果表明，在开发大规模CID库时，通过在HCD和CID库之间转换来利用现有库中的信息可能是一种有效的临时解决方案。
Library searching is a powerful technique for detecting peptides using either data independent or data dependent acquisition. While both large-scale spectrum library curators and deep learning prediction approaches have focused on beam-type CID fragmentation (HCD), resonance CID fragmentation remains a popular technique. Here we demonstrate an approach to model the differences between HCD and CID spectra, and present a software tool, CIDer, for converting libraries between the two fragmentation methods. We demonstrate that just using a combination of simple linear models and basic principles of peptide fragmentation, we can explain up to 43% of the variation between ions fragmented by HCD and CID across an array of collision energy settings. We further show that in some circumstances, searching converted CID libraries can detect more peptides than searching existing CID libraries or libraries of machine learning predictions from FASTA databases. These results suggest that leveraging information in existing libraries by converting between HCD and CID libraries may be an effective interim solution while large-scale CID libraries are being developed.
登录
查看更多内容
影响因子：
1.8
作者：
Huang, YY;Wysocki, VH;Yates, JR
通讯作者：
Yates, JR
影响因子：
7.4
作者：
Bereman, Michael S.;Canterbury, Jesse D.;MacCoss, Michael J.
通讯作者：
MacCoss, Michael J.
影响因子：
5.8
作者：
Craig, R;Beavis, RC
通讯作者：
Beavis, RC
影响因子：
48
作者：
Lawrence RT;Searle BC;Llovet A;Villén J
通讯作者：
Villén J
影响因子：
7.4
作者：
Li, Sujun;Arnold, Randy J.;Tang, Haixu;Radivojac, Predrag
通讯作者：
Radivojac, Predrag