Quantitative Analyse von Protein-Massenspektren

ten Hüllkurve gezogen. Basierend auf diesen 20 Punkten wird schließlich ein Fitting durchgeführt,
bei dem versucht wird die Hüllkurve zu rekonstruieren.
Für alle so erzeugten und gefitteten Szenarien / Hüllkurven werden die einzelnen Parameter in
einem Histogramm aufgetragen, um deren Verteilung zu sehen. Die Ergebnisse der Monte-
Carlo-Simulation sind in Abb. 5.1.2 zusammengefasst. Für alle drei Basisfunktionen sind die
Histogramme (die Werte, welche aus dem Fitting resultieren) der Parameter Mittelpunkt und
Sigma (Breite) aufgetragen. Beim Blick auf die Resultate fällt auf, dass die Streuung der Parameter
Mittelpunkt und Sigma bei den letzten beiden Basisfunktionen am größten ist. Ein
Grund hierfür kann sein, dass diese beiden stark überlappen müssen, um die resultierende
Hüllkurve zu erzeugen (vgl. Abb. 5.1.1). B1 ist durch die Hüllkurve verhältnismäßig gut charakterisiert.
B2 und B3 hingegen sind nicht eindeutig durch die Hüllkurve determiniert, d.h.
die Position und die Amplitude beider Basisfunktionen können variiert werden und man erhält
immer noch ein gutes Fitting Resultat (R² nahe 1). Konkret wird im Beispiel B3 beim Fitting
einerseits von B1 und andererseits von B2 beeinflusst. Dadurch kommt es zu größeren Abweichungen
der Parameter von den tatsächlichen Werten.
Beim Betrachten der großen Parametervarianzen darf man nicht vergessen, dass die Simulationen
schwierig ausgelegt sind – sie sollen die Grenzen aufzeigen. So beträgt bei den analytischen
Daten das Rauschen i.d.R. unter 10% und die Punkte, auf denen ein Fitting durchgeführt
wird, sind meistens äquidistant, was gewährleistet, dass über den gesamten Datenbereich
ein gutes Fitting durchführbar ist. Bei den Simulationen hingegen wurden die Punkte zufällig
gezogen. Es kann also durchaus passieren, dass ein Bereich der Hüllkurve überaus gut charakterisiert
ist und ein anderer sehr schlecht. Dies erklärt, warum die Parameterabweichung vom
tatsächlichen Wert stellenweise so groß ist (s. Abb. 5.1.2 B3).
Neben den Parametern der Basisfunktionen ist auch die Betrachtung der Fläche (hier: Summe
von I(z) über alle Ladungszustände z), welche die Hüllkurve beschreibt, von Interesse.
Schließlich spiegelt sich die Fläche der Hüllkurve direkt im Quantifizierungsergebnis wider.
Um diese Eigenschaft zu charakterisieren werden zwei weitere Testreihen gestartet, wobei jede
1000 Szenarien enthält. Die Anzahl Szenarien wurde verdoppelt, um eine bessere Ge-
72
Abb. 5.1.1: Dargestellt ist die Hüllkurve
einer schweren Kette eines Antikörpers.
Folgende Verteilung wird für das
Erzeugen der Hüllkurve verwendet:
I(z)=B1+B2+B3
B1=GAUSS(1647,39,4.7)
B2=GAUSS(1698,60,4.2)
B3=GAUSS(2855,52,5.4)