Visão Geral

A análise de dados de espectrometria de massas é o pipeline computacional que converte arquivos espectrais brutos de espectrômetros de massas em listas de peptídeos e proteínas identificados e quantificados. Os dados brutos passam por etapas de pré-processamento — filtragem de ruído, centroidização, atribuição de estado de carga e seleção de picos — antes que a identificação de peptídeos seja tentada. A qualidade e profundidade da lista final de proteínas dependem criticamente tanto do método de aquisição quanto da estratégia computacional empregada. Experimentos modernos de proteômica geram rotineiramente milhões de espectros, tornando pipelines de análise robustos e automatizados essenciais para extrair significado biológico dos dados.

Métodos

A busca em banco de dados compara espectros de massas tandem experimentais com espectros teóricos gerados in silico a partir de um banco de dados de sequências proteicas. Mecanismos de busca como SEQUEST, Andromeda e Comet usam correlação cruzada ou pontuação baseada em probabilidade para classificar correspondências peptídeo-espectro. O sequenciamento de novo reconstrói sequências peptídicas diretamente do espectro sem um banco de dados, o que é valioso para organismos com genomas não sequenciados ou para identificar novos peptídeos. Abordagens híbridas como a busca em bibliotecas espectrais comparam com espectros previamente identificados e validados, oferecendo maior sensibilidade para peptídeos conhecidos. Todos os métodos requerem estimativa rigorosa da taxa de falsas descobertas, tipicamente usando estratégias alvo-decoy.

Aplicações

A análise de dados de espectrometria de massas é fundamental para todo experimento proteômico. Ela apoia a identificação de proteínas separadas por SDS-PAGE ou HPLC, e é o motor computacional por trás dos fluxos de trabalho modernos de proteômica e espectrometria de massas. A proteômica clínica depende desses pipelines analíticos para descobrir candidatos a biomarcadores, enquanto os avanços na instrumentação de espectrometria de massas continuam a impulsionar o desenvolvimento de novos algoritmos para interpretação de dados mais rápida e precisa.