Quantitative Analyse von Protein-Massenspektren

nauigkeit für die zu erwartende Standardabweichung zu bekommen. Bei beiden Testreihen
sind die Bedingungen für das Erzeugen der Datenpunkte identisch zu den vorhin durchgeführten
Simulationen. Nur bei der zweiten Testreihe gibt es einen Unterschied: Die Punkte sind
nicht zufällig aus der generierten Hüllkurve gewählt sondern äquidistant, was der Normalfall
bei biologischen Daten ist.
80
70
60
50
40
30
20
10
0
80
70
60
50
40
30
20
10
B1 - Parameter: Center - StdErr: 8,25
31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55
B2 - Parameter: Center - StdErr: 9,99
0
34 36 38 40 42 44 46 48 50 52 54 56 58 60 62 64 66 68 70 72 74 76 78 80 82 84
80
70
60
50
40
30
20
10
B3 - Parameter: Center - StdErr: 20,10
c
0
2 6 10 14 18 22 26 30 34 38 42 46 50 54 58 62 66 70 74 78 82 86 90 94 98
B1 - Parameter: Sigma - StdErr: 4,91
Abb. 5.1.2: Ergebnis einer Monte-Carlo-Simulation mit 500 Tests. Es sind die Histogramme der Parameter Mittelwert
und Breite / Sigma einer jeden Basisfunktion abgebildet. Für jeden Parameter ist zusätzlich die Standardabweichung
vom Erwartungswert angegeben.
Die Variation der Fläche beider Testreihen ist in Abb. 5.1.3 zusammengefasst. Die erste Testreihe
ergibt eine Standardabweichung der Fläche von 25,8%. Zum Vergleich dazu erhält man
eine Standardabweichung von nur 2,52% wenn die Punkte äquidistant sind. Sind die Datenpunkte
äquidistant, stört das 10%-ige Rauschen sowie die geringe Zahl an Datenpunkten
kaum, was sich in der geringen Standardabweichung der Fläche von nur 2,52% äußert. Dies
lässt den Schluss zu, dass eine Quantifizierung auf ähnlichen biologischen Daten gut gelingt.
Einzig im niederprozentualen Bereich, d.h. bei Massen, die mit nur ca. 5% Anteil im Spekt-
140
120
100
80
60
40
20
0
120
100
80
60
40
20
0
90
80
70
60
50
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
B2 - Parameter: Sigma - StdErr: 5,50
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
B3 - Parameter: Sigma - StdErr: 5,56
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
73