蛋白质结构图（图）
近日来自华东理工大学以及上海生物信息研究中心的研究人员在国际蛋白质组学顶级期刊《分子与细胞蛋白质组学》（Molecular & Cellular Proteomics，MCP，2010年SCI影响因子为8.35）上发表了题为“Feature-matching pattern-based support vector machines for robust peptide mass fingerprinting”的生物信息学研究论文。
文章的通讯作者是华东理工大学的张嗣良教授，其早年毕业于华东华工学院抗生素制造工学专业，长期以来以微生物反应与发酵工程为研究对象，取得一系列生物医药产品生产技术的重大突破，曾三次获得国家科技进步二等奖和多次省部级科技进步奖项，为推动我国生物医药等行业的技术进步做出了重大贡献。发表论文100多篇，其中SCI收录20余篇。
作为蛋白质组学研究领域一种非常重要的蛋白质鉴定方法，肽质量指纹图谱（Peptide mass fingerprinting，PMF）和串联质谱（Tandem MS，MS/MS）相比，具有高通量、对单肽的高度特异性、对蛋白质翻译后修饰的低敏感度等特点。本研究着眼于提高PMF算法的精确度和稳定性，将蛋白质鉴定过程区分为独立而又关联的三个对象，针对每个对象的特定属性和关键问题，共分解出35640个特征；利用机器学习方法—支持向量机—训练1733项标准数据集；与现有四种PMF鉴定算法（Mascot，MS-Fit，ProFound 和 Aldent）相比，新算法在灵敏度、精确度和稳定性上均获得显著提高；并在新算法理论基础上建立了专用蛋白质鉴定网站。审稿人认为该项研究观念新颖，具有很好的应用性。
