Quantitative Analyse von Protein-Massenspektren
Quantitative Analyse von Protein-Massenspektren
Quantitative Analyse von Protein-Massenspektren
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
geliefert werden: Auf der Diagonale der Matrix befinden sich die Eigenkorrelationen jedes Parameters.<br />
Zieht man <strong>von</strong> diesen Werten die Wurzel, so erhält man den Standardfehler SEi je-<br />
des Parameters Parami, d.h. SE i = Covii<br />
. Damit kann nun das Intervall berechnet werden:<br />
[Motulsky]<br />
CI = Param ± TI�V ( 0.<br />
05,<br />
DOF)<br />
* SE<br />
(3.6.2.2)<br />
i<br />
i<br />
i<br />
DOF steht für die Anzahl der Freiheitsgrade und berechnet sich aus der Differenz der Anzahl<br />
Datenpunkte minus der Anzahl zu bestimmender Parameter. Die Funktion TINV berechnet<br />
den T-Wert der Student-Verteilung als eine Funktion der Wahrscheinlichkeit und des Freiheitsgrads.<br />
Betrachtet man den R² Wert zusammen mit den Vertrauensintervallen der Parameter, kann<br />
nun eine sehr gute Aussage über die Qualität des Ergebnisses gemacht werden. Der R² Wert<br />
allein sagt zwar aus, wie gut die gefittete Kurve sich den Punkten nähert, jedoch kann man allein<br />
daraus nicht herauslesen, ob die gefundenen Parameter die einzige richtige Lösung darstellen<br />
oder nicht. Anhand der Vertrauensintervalle lässt sich jedoch diese Frage beantworten.<br />
Sind nämlich die Intervalle CIi eng, so spiegelt dies einen sehr guten Fit wieder, sind sie breit,<br />
so kann man da<strong>von</strong> ausgehen, dass man eine <strong>von</strong> vielen möglichen Lösungen gefunden hat,<br />
d.h. je kleiner die Intervalle, desto besser sind die Parameter durch die Datenpunkte definiert.<br />
3.6.3. Optimierung des Fittings<br />
Bei den im Rahmen dieser Arbeit untersuchten Spektren ist häufig der Fall, dass die y-Werte –<br />
die Intensitäten – sich über mehrere Größenordnungen erstrecken. Zum Beispiel kommt es oft<br />
vor, dass eine Masse sich über einen Bereich <strong>von</strong> etwa 500 „Counts“ erstreckt, eine andere<br />
über etwa 2000 „Counts“ und wieder eine andere kann sich über bis zu 20.000 „Counts“ erstrecken.<br />
Solche Fälle entstehen beispielsweise bei der Messung reduzierter Antikörper.<br />
Die Variation bei den Antikörpern ist i.d.R. nur auf der schweren Kette vorhanden. Die leichte<br />
Kette hingegen ist bei allen Spezies identisch. Folglich kommt es bei den Peaks der leichten<br />
Ketten zu sehr hohen „Counts“, da die leichten Ketten aller in der Probe befindlichen Antikörper<br />
zusammen zur Signalstärke beitragen. Dies hat zwei negative Folgen: Die erste ist,<br />
dass ein Fitting über einen so großen Raum mit mehr Rechenzeit verbunden ist. Folglich ist<br />
eine befriedigende Konvergenz oft noch nicht abgeschlossen, wenn die maximale Anzahl an<br />
Iterationen erreicht ist. Die zweite betrifft die Vergleichbarkeit verschiedener Hüllkurven.<br />
Dies ist relevant, sofern Ergebnisse verschiedener Experimente verglichen werden sollen.<br />
61