目标诱饵

生物导体版本：释放（3.19）

基于质谱（MS）的蛋白质组学数据分析的第一步是识别肽和蛋白质。在这方面，通常必须将大量的实验质谱分配给源自序列数据库的理论肽。搜索引擎用于此目的。这些工具将每个观测光谱与从序列数据库导出的所有候选理论光谱进行比较，并计算每次比较的分数。然后将观察到的光谱分配给得分最高的理论肽，这也称为肽谱匹配（PSM）。当然，下游分析评估这些比赛的质量至关重要。因此，错误发现率（FDR）控制用于返回可靠的PSM列表。然而，FDR需要很好地描述与错误肽（不良目标命中率）匹配的PSM的分数分布。在蛋白质组学中，目标诱饵方法（TDA）通常用于此目的。TDA方法将光谱与真实（目标）和无义肽（诱饵）数据库相匹配。生成这些诱饵的一种流行方法是反转目标数据库。因此，所有与诱饵匹配的PSM都是已知的不良命中，其得分分布用于估计不良得分目标PSM的分布。TDA的一个关键假设是，诱饵PSM命中与不良目标命中具有类似的属性，因此诱饵PSM得分是对目标PSM得分的良好模拟。然而，用户通常不会评估这些假设。为此，我们开发了TargetDecoy来生成诊断图，以评估目标诱饵方法的质量。

作者：埃尔克·德布雷[aut，cre]，列文·克莱门特[aut]，米兰·马尔法特

维护人员：Elke-Debrie<elkedbrie-at-gmail.com>