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.
Bewertung zwar zu gering, jedoch gibt sie bereits eine Aussage darüber, in welchem Rahmen<br />
sich die betrachteten Verfahren bewegen. Um die Methoden besser vergleichen zu können,<br />
wird neben den ermittelten Verhältnissen auch die Standardabweichung zur Referenz angegeben.<br />
Die detaillierten Ergebnisse der Simulation sind in Anhang A zu finden.<br />
Die Entwickler des „Maximum Entropie“-Algorithmus schreiben, dass die Ergebnisse, welche<br />
aus der Entfaltung eines Spektrums stammen, nicht zur Quantifizierung verwendet werden<br />
sollten, weil der Entropieprozess einen Bias durch seine Nichtlinearität hineinbringt [Reinhold92],<br />
d.h. die <strong>von</strong> MaxEnt gefundenen Intensitäten sind nicht proportional zu den Intensitäten<br />
im gemessenen Spektrum. In [Schmieder97] ist außerdem zu lesen, dass der Fehler zum<br />
einen durch das Spektrum selber und zum anderen durch die zur Entfaltung verwendeten Parameter<br />
stark beeinflusst wird. Vermutlich ist wegen dieser zwei äußeren Faktoren in der Literatur<br />
keine Aussage darüber zu finden, in welchem Rahmen sich der Quantifizierungsfehler<br />
bei MaxEnt befindet. Dies hat dazu bewegt, auch den MaxEnt-Algorithmus mit in die Auswertung<br />
einzubeziehen.<br />
Im Folgenden werden die Ergebnisse jeder Quantifizierungsmethode diskutiert. Zum besseren<br />
Verständnis der Diskussion werden die Daten aus Anhang A als Diagramme aufbereitet. Auf<br />
der x-Achse der Diagramme sind alle Massen welche zur Synthese der Spektren verwendet<br />
wurden aufgetragen und zwar geordnet nach deren jeweiligen Anteil am Spektrum. Auf der y-<br />
Achse befindet sich der Quotient aus ermittelter Quantität und dem Erwartungswert (Referenz-Quantität).<br />
Man erhält also für jede Methode ein Streudiagramm, welches die Informationen<br />
aller Experimente kapselt. Im Idealfall (d.h. jeder Massenanteil wurde richtig vorhergesagt)<br />
sollte man eine Gerade sehen, welche auf 100% liegt. Ist eine Masse überbewertet, d.h.<br />
es wird mehr Anteil am Spektrum vorhergesagt, so ist der Wert an entsprechender Stelle größer<br />
100%. Analog dazu ist bei einer Unterbewertung der Wert kleiner 100%. Um die Tendenzen<br />
besser zu erkennen, werden die Punkte durch Linien verbunden. Damit unterbewertete<br />
Massen nicht bevorzugt dargestellt werden, wird die y-Skala logarithmiert.<br />
Die Resultate der Simulation zeigen, dass der MaxEnt-Algorithmus im Schnitt eine geringe<br />
Standardabweichung aufweist (Tab. 5.2.2). Betrachtet man das Streudiagramm (vgl. Abb.<br />
5.2.1) <strong>von</strong> MaxEnt, so sieht man, dass für Quantitäten unter 10% eine große Streuung in der<br />
Genauigkeit herrscht. Teilweise wird sogar die tatsächliche Quantität um das 6fache überbewertet.<br />
Ab einem Massenanteil <strong>von</strong> mehr als 10% lässt sich der MaxEnt-Algorithmus gut für<br />
die Quantifizierung verwenden. Offensichtlich eignet sich MaxEnt für die Quantifizierung der<br />
hier untersuchten Problemklasse. Ob diese Aussage auch für Spektren anderer <strong>Protein</strong>e zutrifft,<br />
wurde nicht untersucht.<br />
77