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.
um vertreten sind, muss man Abstriche in der Qualität machen. Eine exakte Aussage für solche<br />
Massen ist bei einer Standardabweichung <strong>von</strong> 2,52% nur noch schwer zu treffen.<br />
Als Resultat kann man sagen, dass bei sehr schlechten Daten eine automatische Quantifizierung<br />
für stark ausgeprägte Spezies noch durchführbar ist, wohingegen bei schwach repräsentierten<br />
Spezies eine Aussage bei so großen Standardabweichungen eher einem Lotto-Spiel<br />
gleicht. Die Qualität des Ergebnisses kann aber sicherlich durch den Eingriff eines erfahrenen<br />
Anwenders (visuelle Kontrolle, Setzen der Startparameter) bei schwierigen Fällen gesteigert<br />
werden.<br />
5.2. Validierung der Quantifizierungspipeline<br />
Damit die komplette Quantifizierungspipeline validiert werden kann, muss die Simulation an<br />
der Wurzel ansetzen, nämlich am Anfang des Quantifizierungsprozesses. Um das zu ermöglichen,<br />
werden synthetische Spektren erzeugt. Bei den künstlich erzeugten Spektren sind die<br />
Verhältnisse der zur Synthese verwendeten Massen bekannt. Somit kann bei einer <strong>Analyse</strong> der<br />
Spektren mit Massfinder II oder anderen Methoden überprüft werden, ob die korrekten Massenverhältnisse<br />
gefunden werden.<br />
Die synthetischen Spektren sind an echte Messungen reduzierter Antikörper angelehnt, d.h.<br />
die verwendeten Massen entsprechen echten Glykosylierungsformen, die Hüllkurve und das<br />
Signal-zu-Rausch-Verhältnis sind ähnlich gewählt. Einzig die Adduktanzahl wurde erhöht,<br />
um die Quantifizierung zu erschweren. Auf die Erzeugung einer gerätespezifischen Basislinie<br />
74<br />
45<br />
40<br />
35<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
180<br />
160<br />
140<br />
120<br />
100<br />
80<br />
60<br />
40<br />
20<br />
0<br />
Are a-Unde r-Curv e - StdErr: 25,8%<br />
0<br />
0 9 18 27 36 45 54 63 72 81 90 99 108 117 126 135 144 153 162 171 180 189 198<br />
Area-Unde-Curve - StdErr: 2,52%<br />
90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110<br />
Abb. 5.1.3: Histogramm der Fläche der gefundenen<br />
Hüllkurven. Der Wert 100 entspricht der tatsächlichen<br />
Fläche. Ist die Zahl größer 100, so beschreibt<br />
die gefundene Hüllkurve eine größere Fläche als die<br />
Tatsächliche. Entsprechend umgekehrt verhält es<br />
sich, wenn die Zahl kleiner 100 ist. Oben ist die MC<br />
Simulation für den Grenzfall dargestellt, bei dir die<br />
Standardabweichung 26% beträgt und unten ist der<br />
Normalfall gegeben, bei dem ausreichend viele<br />
Punkte zum Fitten vorhanden sind. Hier beträgt die<br />
Standardabweichung nur noch 2,52%.