Method for deisotoping based on fuzzy inference systems

• Autorzy: Glodek A. , Polańska J.

Identyfikatory

DOI

10.14708/ma.v46i1.6384

Warianty tytułu

PL

Metoda identyfikacji obwiedni izotopowych oparta na systemach rozmytych

• Języki publikacji: EN

Abstrakty

EN

Proteins are very significant molecules that can construct the fingerprint of cancer. When dealing with large molecules, such as proteins, the crucial issue is their trustful and precise identification. In the majority of cases, mass spectrometry is used to identify the protein. Processing of data gathered in mass spectrometry experiment consists of several steps, and one of them is deisotoping. It is an essential part of preprocessing because some peaks in the spectrum are not the unique compound, but they are members of an isotopic envelope. There are several existing methods of deisotoping, but none of them is general and can be used in any experimental settings. To manage this, we propose a new algorithm based on fuzzy inference systems. The method was tested on the data provided by Institute of Oncology in Gliwice, that has been gathered in MALDI experiment in two different settings on head and neck cancer tissue samples. The comparison study, done between the developed fuzzy-based algorithm and mMass method revealed that the proposed method was able to identify more consistent with the expert annotation isotopic envelopes.

PL

Praca przedstawia nowy algorytm identyfikacji obwiedni izotopowych w widmach proteomicznych MALDI ToF. W ostatnich latach proteomika wraz z genetyką i transkryptomiką, silnie wspierają diagnostykę chorób nowotworowych. Bardzo ważne jest precyzyjne zidentyfikowanie białek znajdujących się w obszarze raka, gdyż pozwala to zrozumieć proces nowotworzenia oraz zaplanować własciwą terapię. Spektrometia mas, a właściwie technika zwana MALDI ToF (ang. Matrix Assisted Laser Desorption/Ionization Time-of-Flight Mass Spectrometry) jest powszechnie stosowana do pozyskania widm masowych, w których zawarta jest informacja o liczbie jonów o danym stosunku masy do ładunku. Etap przetwarzania wstępnego sygnału wymaga m.in. usunięcia szumu, linii bazowej i normalizacji. Identyfikacja przetwarzania wstępnego, który pozwala na usuniecie redundancji i zredukowanie wymiarowości danych. Istnieje wiele algorytmów identyfikacji obwiedni izotopowej, jednak każdy z nich przeznaczony jest dla innego rodzaju techniki spektrometrii masowej (MALDI, LC-MS, ESI, etc.) bądź dla konkretnego rodzaju cząsteczek. Zaproponowany algorytm oparty jest na teorii systemów rozmytych, a reguły wnioskowania zostały opracowane we współpracy z zespołem ekspertów w dziedzinie spektrometrii masowej. Przetestowany został na danych uzyskanych z Instytutu Onkologii im. Marii Skłodowskiej-Curie w Gliwicach, pochodzących z badań nad rakiem głowy i szyi. Wyniki autorskiego algorytmu do identyfikacji obwiedni izotopowych porównano z jedną z istniejących metod do identyfikacji obwiedni izotopowych.

Słowa kluczowe

EN

fuzzy logic; fuzzy inference systems; deisotoping; mass spectrometry; algorithms; MALDI ToF; MALDI; matrix assisted laser desorption; matrix assisted laser ionization; ToF; time-of-flight

PL

matematyka stosowana; systemy rozmyte; logika rozmyta; proteomika; spektrometria mas; obwiednie izotopowe

• Wydawca: Polskie Towarzystwo Matematyczne
• Czasopismo: Mathematica Applicanda
• Rocznik: 2018
• Tom: Vol. 46, no. 1
• Strony: 77--86
• Opis fizyczny: Bibliogr. 22 poz., fot., rys., tab., wykr.

Twórcy

autor

Glodek A.

• Silesian University of Technology, Faculty of Automatic Control, Electronics and Computer Science, Gliwice, Akademicka 16, 44-100, Poland

autor

Polańska J.

• Silesian University of Technology, Faculty of Automatic Control, Electronics and Computer Science, Gliwice, Akademicka 16, 44-100, Poland

Bibliografia

• [1] E. de Hoffmann and V. Stroobant. Mass Spectrometry. Principles and applications. Wiley, 2007. ISBN 978-0-470-03310-4. Cited on p. 78.
• [2] W. Bleakney. A new method of positive ray analysis and its application to the measurement of ionization potentials in mercury vapor. Phys. Rev., 34:157-160, 1929. doi: 10.1103/PhysRev.34.157. Cited on p. 78.
• [3] P. C. Carvalho, T. Xu, X. Han, D. Cociorva, V. C. Barbosa, and J. R.Yates, III. Yada: A tool for taking the most out of high-resolution spectra. Bioinformatics, 25:2734-2736, 2009. doi: 10.1093/bioinformatics/btp489. PMID: 19684088. Cited on p. 78.
• [4] I. Eidhammer, K. Flikka, L. Martens, and S. O. Mikalsen. Computational Methods for Mass Spectrometry Proteomics. Wiley, 2007. ISBN 978-0-470-51297-5. Cited on p. 78.
• [5] F. Hillerkamp, M. Karas, R. C.Beavis, and B. T. Chait. Matrixassisted laser desorption/ionization mass spectrometry of biopolymers. Anal. Chem, 63:1193A-1203A, 1991. doi: 10.1021/ac00024a716. PMID: 1789447. Cited on pp. 77 and 78.
• [6] C. Ho, C. Lam, M. Chan, R. Cheung, L. Law, L. Lit, K. Ng, M. Suen, and H. Tai. Electrospray ionisation mass spectrometry: Principles and clinical applications. Clin Biochem Rev., 24:3-12, 2003. PMID: 18568044. Cited on p. 78.
• [7] J. Kriegsmann, M. Kriegsmann, M., and R. Casadonte. MALDI-TOF imaging mass spectrometry in clinical pathology: A valuable tool for cancer diagnostics (review). Int. J. Oncol.. 46 (3): 893-906, 2015. doi: 10.3892/ijo.2014.2788. PMID: 25482502. Cited on pp. 77 and 78.
• [8] X. Liu, Y. Inbar, P. C. Dorrestein, C.Wynne, N. Edwards, P. Souda, J. P. Whitelegge, V. Bafna, and P. A. Pevzner. Deconvolution and database search of complex tandem mass spectra of intact proteins: A combinatorial approach. Molecular &Cellular Proteomics, 9 (12): 2772-2782, 2010. doi: 10.1074/mcp.M110.002766. PMID: 20855543. Cited on p. 78.
• [9] J. Berg, J. Tymoczko, and L. Stryer. Biochemistry, 7th edition. Palgrave MacMillan, 2011. ISBN 14-29-27635-5. Cited on p. 80.
• [10] A. Polański, M. Marczyk, M. Pietrowska, P. Widłak, J. Polańska. Signal Partitioning Algorithm for Highly Efficient Gaussian Mixture Modeling in Mass Spectrometry. PLOS ONE, 10(7):e0134256, 2015. doi:10.1371/journal.pone.0134256. PMID: 26230717. Cited on p. 80.
• [11] A. Polański, M. Marczyk, M. Pietrowska, P. Widłak, and J. Polańska. Initializing the EM Algorithm for Univariate Gaussian, Multi-Component, Heteroscedastic Mixture Models by Dynamic Programming Partitions. International Journal of Computational Methods, 15 (3): 1850012 (21 pages), 2018. doi: 10.1142/S0219876218500123. Cited on p. 80.
• [12] W. M. Niessen. Liquid Chromatography-Mass Spectrometry. Boca Raton: CRC Taylor & Francis., 3rd edition, 2006. ISBN 978-14-200-1454-9. Cited on p. 78.
• [13] M. Pietrowska, H.C. Diehl, G. Mrukwa, M. Kalinowska-Herok, M. Gawin, M. Chekan, J. Elm, G. Drążek, A. Krawczyk, D. Lange, H. E. Meyer, J. Polańska, C. Henkel, and P. Widłak. Molecular profiles of thyroid cancer subtypes: Classification based on features of tissue revealed by mass spectrometry imaging. Biochim. Biophys. Acta. - Proteins and Proteomics, 1865(7): 837-845, 2017. doi: 10.1016/j.bbapap.2016.10.006. PMID: 27760391. Cited on p. 77.
• [14] M. Pietrowska, J. Polańska, R. Suwiński, M. Wideł, T. Rutkowski, M. Marczyk, I. Domińczyk, L. Ponge, L. Marczak, A. Polański, and P. Widłak. Comparison of peptide cancer signatures identified by mass spectrometry in serum of patients with head and neck, lung and colorectal cancers: Association with tumor progression. Int J Oncol, 40:148-156, 2012. doi: 10.3892/ijo.2011.1186. PMID: 21894432. Cited on p. 80.
• [15] M. Rodrigo, O. Zitka, S. Krizkova, A. Moulick, V. Adam, and R. Kizek. MALDI-TOF MS as evolving cancer diagnostic tool: A review. J PharmBiomed Anal., 95:245-55, 2014. doi: 10.1016/j.jpba.2014.03.007. PMID: 24699369. Cited on pp. 77 and 78.
• [16] L. Eaton and K. Rogers. Examining Basic Chemical Molecules (The Building Blocks of Life). Rosen Education Service, 2018. ISBN 978-15-383-0005-3. Cited on p. 80.
• [17] C. Schöne, H. Höfler, and A. Walch. MALDI imaging mass spectrometry in cancer research: Combining proteomic profiling and histological evaluation. Clin Biochem, 46(6): 539-45, 2013. doi: 10.1016/j.clinbiochem.2013.01.018. PMID: 23388677. Cited on pp. 77 and 78.
• [18] E. Czogała and J. Łęski. Fuzzy and Neuro-Fuzzy Intelligent Systems.Physica-Verlag, Heidelberg, 2000. ISBN 978-37-908-1289-3. Cited on p. 79.
• [19] H. Song, F. Hsu, J. Ladenson, and J. Turk. Algorithm for processing raw mass spectrometric data to identify and quantitate complex lipid molecular species in mixtures by data-dependent scanning and fragment ion database searching. J Am Soc Mass Spectrom., 18(10): 1848-58, 2007. doi: 10.1016/j.jasms.2007.07.023. PMID: 17720531. Cited on p. 79.
• [20] M. Strohalm, M. Hassman, B. Kosata, and M. Kodicek. MMASS data miner: an open source alternative for mass spectrometric data analysis. Rapid Commun Mass Spec, 22(6):905-8, 2008. doi: 10.1002/rcm.3444. PMID: 18293430. Cited on p. 78.
• [21] Y. Sun, J. Zhang, U. Braga-Neto, and E. Dougherty. BPDA-a Bayesian peptide detection algorithm for mass spectrometry. BMC Bioinformatics, 11(490), 2010. doi: 10.1186/1471-2105-11-490. PMID: 20920238. Cited on p. 79.
• [22] R. S. Tuma. MALDI-TOF mass spectrometry: Getting a feel for how it works. Oncology Times, 25(19): 26, 2003. doi: 10.1097/01.COT.0000290986.00178.61. Cited on p. 78.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).