Quantitative Analyse von Protein-Massenspektren

Weitere Magazine

Empfehlungen

Info

statten gehen und zweitens nicht in der Präsentationsschicht gehören. Während dem kompletten Entwicklungszeitraum wurden darüber hinaus Fehler aus dem bestehenden Code beseitigt, sofern welche gefunden wurden. Neben den Entwicklungen, welche das Programm Massfinder II betreffen wurden zusätzlich einige Werkzeuge in ANSI-C geschrieben. Deren Aufgabe ist im Wesentlichen die Generierung synthetischer Daten. Diese wurden für die Validierung verwendet (vgl. folgendes Kapitel). 70
5. Validierung An dieser Stelle wird eine Validierung der entwickelten Methoden anhand <strong>von</strong> Monte-Carlo- Simulationen durchgeführt. Die Güte der Algorithmen bzw. das gesamte Verfahren kann anhand empirischer Daten nur bedingt überprüft werden, da hier die wahren Quantitäten unbekannt sind. Ein Vergleich mit anderen Quantifizierungsmethoden gibt zwar Aufschluss darüber, ob man sich im richtigen Bereich bewegt, jedoch kann es auch bei diesen Methoden zu Abweichungen vom tatsächlichen Wert kommen. Deswegen müssen die Referenzmethoden kritisch betrachtet werden. Um eine korrekte Aussage über die Güte der hier entwickelten Methoden zu treffen, werden deshalb Simulationen durchgeführt: Synthetische Daten werden mit den entwickelten Konzepten analysiert, um die Verfahren zu validieren. Es werden zwei Aspekte des Programms validiert. Zum einen findet eine separate Bewertung des letzten Teils des Arbeitsablaufs statt, nämlich des Fittings der Hüllkurve. Und zum anderen wird die Quantifizierung, im gesamten Prozessablauf betrachtet, validiert. 5.1. Validierung des Hüllkurven-Fittings Die Bewertung des letzten Bausteins – die Bestimmung der Hüllkurve – wird mittels der Monte-Carlo-Simulation durchgeführt. Bei einer Monte-Carlo-Simulation werden mehrere Szenarien eines Modells erzeugt, um anschließend einen – wie auch immer gearteten – Test auf den generierten Szenarien durchzuführen. Die bei dem Test erhaltenen Variablen werden in einem Histogramm aufgetragen, auf dem man sehen kann, welcher Verteilung diese folgen, und wie groß die Streuung der Variablen ist. Dadurch kann geschätzt werden, in welchem Rahmen sich die Qualität des Verfahrens bewegt. Die Simulationen sollen aufzeigen, wie stabil das Konzept ist, deswegen werden die generierten Hüllkurven mit viel Rauschen versehen. Zusätzlich werden nur wenige, schlecht verteilte Punkte aus der Hüllkurve für das Fitting herangezogen. Sehr schwierige Voraussetzungen also, um die richtigen Parameter zu bestimmen. Als Referenzmodell wird die Hüllkurve einer schweren Kette eines Antikörpers verwendet (vgl. Abb. 5.1.1 und Kap. 3.6). Ausgehend <strong>von</strong> diesem Modell werden insgesamt 500 Szenarien erzeugt. Bei jedem Szenario werden die y-Ordinaten des Basismodells mit einem 10%igen Gauß-Rauschen versehen. Dies soll, durch Überlappung mit z.B. Addukt-Signalen, verzerrte Intensitäten simulieren. Im nächsten Schritt werden zufällig 20 Punkte aus der generier- 71
Seite 1:
LUDWIG - MAXIMILIANS - UNIVERSITÄT
Seite 5:
Danksagung Ich danke Prof. Dr. Volk
Seite 8 und 9:
Inhalt Seite Liste der Abkürzungen
Seite 11:
Liste der Abkürzungen Ara L-Arabin
Seite 14 und 15:
somit viele Kombinationen, die auf
Seite 17 und 18:
2. Ausgangssituation Antikörper si
Seite 19 und 20: Die Frequenz, mit der sich bestimmt
Seite 21 und 22: Die Immunglobuline lassen sich in f
Seite 23 und 24: welche meistens über keine Glykosy
Seite 25 und 26: Analog lässt sich auf diese Weise
Seite 27 und 28: m R = (2.3.2) ∆m Dabei ist m die
Seite 29 und 30: Die Hüllkurve repräsentiert die L
Seite 31 und 32: werden, welche Massen im Spektrum v
Seite 33: Peak-Überlappungen und für die Be
Seite 36 und 37: Ein starkes Rauschen hat man z.B. d
Seite 38 und 39: Nach optionaler Bestimmung der Hül
Seite 40 und 41: 40 ∂ 0 = ∂a = 2 ⇒ ⇒ R ∑
Seite 42 und 43: 3.3. Basislinie Die Basislinie enth
Seite 44 und 45: Liste werden durch eine kubische Sp
Seite 46 und 47: Dieser Mechanismus funktioniert nur
Seite 48 und 49: tionen zu berechnen, multipliziert
Seite 50 und 51: Der Algorithmus für die Berechnung
Seite 52 und 53: 3.5. Simulation der Peakverbreiteru
Seite 54 und 55: die Peakbreite nicht konstant ist.
Seite 56 und 57: Um die Parameter der Basisfunktione
Seite 58 und 59: 58 ⎛ df1 ⎜ ⎜ dx1 J ( x) = ⎜
Seite 60 und 61: 60 2 R =1 − SSE SSM (3.6.2.1) SSE
Seite 62 und 63: Um diese Probleme zu umgehen, werde
Seite 64 und 65: Möglichkeit a) konnte nach einem B
Seite 66 und 67: Ionisierungen beschränkt. Dies kan
Seite 68 und 69: DLL ist die Methode DLLEXPORT int M
Seite 72 und 73: ten Hüllkurve gezogen. Basierend a
Seite 74 und 75: um vertreten sind, muss man Abstric
Seite 76 und 77: Die Auswertung der Spektren findet
Seite 78 und 79: Bei der manuellen Quantifizierung g
Seite 80 und 81: Ein ähnliches Bild bietet sich, we
Seite 82 und 83: Die Daten aus Anhang A sind in Tabe
Seite 84 und 85: Ebenso wie bei der Simulation präs
Seite 86 und 87: Im Hinblick auf die technische Umse
Seite 88 und 89: 88 Molekül Massen Referenz Manuell
Seite 90 und 91: 90 Basislinie: Tal zu Tal Basislini
Seite 92 und 93: B. Quantifizierungsergebnisse empir
Seite 94 und 95: Molekül Massen Basislinie: nicht a
Seite 96 und 97: Molekül Massen Basislinie: nicht a
Seite 98 und 99: Auf die Abbildung der dritten Seite
Seite 100 und 101: 100
Seite 102 und 103: Haver05 Prof. Tom O’Haver, Introd
Alle anzeigen

Quantitative Analyse von Protein-Massenspektren

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?