Quantitative Analyse von Protein-Massenspektren
Quantitative Analyse von Protein-Massenspektren
Quantitative Analyse von Protein-Massenspektren
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
40<br />
∂<br />
0 =<br />
∂a<br />
= 2<br />
⇒<br />
⇒<br />
R<br />
∑ ⎜⎜<br />
∑<br />
i=<br />
−nL<br />
n<br />
R<br />
∑ ∑<br />
∑<br />
k=<br />
0<br />
R<br />
∑<br />
r n=<br />
−nL<br />
⎛⎛<br />
⎜<br />
⎝⎝<br />
n=<br />
−nL<br />
k=<br />
0<br />
M<br />
n<br />
a<br />
n<br />
M<br />
( f ( i + n)<br />
− y )<br />
k=<br />
M<br />
n<br />
k=<br />
0<br />
k<br />
R<br />
∑<br />
k<br />
n=<br />
−nL<br />
k ⎞<br />
ak<br />
( i + n)<br />
⎟ − y<br />
⎠<br />
a ( i + n)<br />
( i + n)<br />
k+<br />
r<br />
k+<br />
r<br />
2<br />
i+<br />
n<br />
=<br />
=<br />
R<br />
∑<br />
i+<br />
n<br />
n=<br />
−nL<br />
n<br />
n<br />
R<br />
∑<br />
∂<br />
=<br />
∂a<br />
i+<br />
n<br />
y<br />
y<br />
i+<br />
n<br />
n=<br />
−nL<br />
n<br />
R<br />
∑ ⎜⎜<br />
∑<br />
r n=<br />
−nL<br />
⎞<br />
⎟<br />
⎟(<br />
i + n)<br />
⎠<br />
( i + n)<br />
( i + n)<br />
r<br />
⎛⎛<br />
⎜<br />
⎝⎝<br />
r<br />
r<br />
k=<br />
M<br />
k=<br />
0<br />
Man bekommt also ein lineares Gleichungssystem:<br />
α<br />
k+<br />
r<br />
β =<br />
k<br />
=<br />
nR<br />
nR<br />
n=<br />
−nL<br />
∑<br />
∑<br />
n=<br />
−nL<br />
( i + n)<br />
( i + n)<br />
[ α k+<br />
r ] a = [ βk<br />
] k,<br />
r<br />
k<br />
k<br />
k+<br />
r<br />
y<br />
i<br />
k ⎞<br />
ak<br />
( i + n)<br />
⎟ − y<br />
⎠<br />
i+<br />
n<br />
⎞<br />
⎟<br />
⎠<br />
2<br />
(3.2.4)<br />
(3.2.5)<br />
Um den Parametervektor a zu bestimmen, wird das Gleichungssystem mit LU-<br />
Dekomposition, Cholesky-Dekomposition oder Gauß-Jordan-Elimination gelöst. Die Komponenten<br />
des Parametervektors a werden als Gewichtungskoeffizienten cn in Gl. (3.2.1) verwendet.<br />
Der so beschriebene Prozess hat den Nachteil, dass das Fitting für jede Fensterbewegung neu<br />
durchgeführt wird. Dies ist aber nicht notwendig, weil die Koeffizienten des angepassten Polynoms<br />
innerhalb des Datenbereichs linear sind, d.h. das Fitting muss nur einmal durchgeführt<br />
werden. Hierzu verwendet man fiktive Ordinaten, welche bis auf y0=1 überall gleich null sind.<br />
Anschließend kann mit den so berechneten Gewichtungskoeffizienten cn jeder beliebige äquidistante<br />
Datensatz geglättet werden. [NR]<br />
Der Savitzky-Golay-Algorithmus benötigt äquidistante Datenpunkte, um eine gute Glättung<br />
durchzuführen. Die gemessenen Spektren sind jedoch nicht äquidistant. Deswegen findet vor<br />
der Glättung eine lineare Interpolation der Spektren statt, so dass das Intervall 0.02 amu beträgt.<br />
Die lineare Interpolation bewirkt an dieser Stelle de facto keine Verfälschung der Signale,<br />
weil die Datendichte der gemessenen Spektren sehr groß ist.<br />
Als Standardparameter für die Glättung <strong>von</strong> Antikörperspektren werden 91 Datenpunkte festgelegt<br />
sowie ein Polynom 9ten Grades. Ein geringerer Polynomgrad bewirkt bei manchen<br />
Spektren eine Verminderung der Peakhöhe. Ein Polynom höheren Grades kann nicht verwendet<br />
werden, weil der Rechenaufwand zu groß wird. Dies ist aber auch nicht notwendig, weil