Estimador de masa a secuencia

Invertir una masa en una secuencia es un problema indeterminado, y merece la pena ser claro sin rodeos con eso antes que nada en la página. Una masa es un número. Una secuencia es una sucesión de decisiones, una por residuo. El número de secuencias compatibles con cualquier masa medida en concreto es enorme, y ninguna cantidad de aritmética convierte una en la otra. Lo que devuelve esta página es por tanto una estimación de longitud y no una molécula candidata, y una longitud es una afirmación mucho más débil de lo que puede parecer cuando está en una columna de números.

Hay dos fuentes independientes de esa ambigüedad, y mantenerlas separadas hace el problema entero más fácil de razonar. La primera es el orden. Cada reordenación del mismo conjunto de residuos tiene una masa idéntica, porque la masa es una suma y una suma no mira en qué orden llegaron los términos. Así que, incluso si la composición estuviera exactamente fijada por algún camino, la secuencia en sí seguiría indeterminada, y ningún cuidado en la aritmética cambiaría eso. Una cadena de diez residuos con diez residuos distintos tiene más de tres millones de disposiciones compartiendo una masa, antes incluso de plantear la composición como una pregunta.

La segunda es la composición. Conjuntos distintos de residuos pueden sumar la misma masa sin ser el mismo conjunto en absoluto, así que la masa tampoco fija la composición. Estas dos ambigüedades se multiplican en lugar de simplemente sumarse, y por eso el espacio de posibilidades no es solo grande sino que no queda acotado por nada que una única medición de masa pueda decirte. Todo método que parezca acotarlo está añadiendo algo que aportaste tú o está adivinando. Esta es la razón por la que cualquier lista de coincidencias de cualquier base de datos es una lista de lo que la masa no excluye y no una lista de lo que establece, y la distinción normalmente queda difuminada por la forma en que la salida resulta estar organizada.

La estimación se construye a partir de exactamente un número: la media de las veinte masas medias de residuo, que es de unos 118.9 y que no pertenece a ningún péptido real. Resta el único agua que añade una cadena y divide el resto por esa media, y obtienes una longitud en el entorno correcto. Todo el método descansa por tanto en la suposición de que la composición no está sesgada, y esa es la suposición que más a menudo rompen los péptidos reales, ya que muchos están enriquecidos en uno o dos residuos de forma deliberada. Nada en la estimación puede detectar su propio fallo, porque una cadena construida casi solo de glicinas y una cadena con una mezcla típica de residuos devuelven la misma longitud mientras difieren en casi un factor de tres en lo que realmente pesan.

Hasta dónde se rompe se ve mejor en los extremos que en el centro. La glicina es el residuo más ligero, de unos 57.05, y la arginina el más pesado, de unos 156.19, una razón de casi tres. Toma un objetivo de 1000 Da, resta el agua y divide entre el residuo más pesado, y la cadena más corta que podría pesar eso son seis residuos. Divide en lugar por el más ligero y la más larga es de diecisiete. Una masa medida es compatible con cualquier cosa entre seis y diecisiete residuos, y la estimación de ocho se sitúa dentro de ese rango sin distinguirse dentro de él.

Un factor de casi tres en la longitud posible de la cadena, a partir de un solo número, es una propiedad del problema y no un defecto de la estimación, y ninguna convención de información lo cambia. La calculadora de longitud del péptido y la calculadora de peso molecular medio son el par que enlaza de verdad una secuencia con una longitud, en ese orden, mientras que la calculadora de diferencia de masas es a la que hay que ir cuando la pregunta es sobre material añadido a una cadena o perdido de ella en lugar de leído de ella. Ejecutadas en sentido contrario, el mismo par de páginas queda completamente determinado, y esa asimetría es lo que hace que esta página sea un generador de hipótesis y no una solución a una.

Parte de esa ambigüedad es mucho más nítida que el caso general, porque ciertas combinaciones de residuos comparten una masa exacta y no aproximada. La leucina y la isoleucina son el ejemplo estándar: las dos llevan una masa de residuo de 113.08406, así que ninguna medición de masa a ninguna precisión alcanzable puede separarlas. Dos glicinas suman 114.04292 frente a la asparagina con 114.04293, y la alanina más glicina suma 128.05857 frente a la glutamina con 128.05858. Son identidades en las masas mismas, no coincidencias de redondeo que un equipo mejor resolvería. Cualquier secuencia que contenga una leucina tiene además una gemela isobárica en la que cada leucina se cambia por una isoleucina, con masa monoisotópica idéntica además de masa media idéntica.

Esa es la afirmación más nítida disponible sobre por qué el problema no se puede resolver solo a partir de una masa. Una medición de masa exacta y sin error, correcta hasta tantos decimales como pueda informar el instrumento, sigue dejando familias enteras de secuencias indistinguibles entre sí. La calculadora de masa monoisotópica te dará esa cifra exacta con toda la precisión que puede, y aun así dejará la ambigüedad en su sitio. Un instrumento más exacto estrecha la tolerancia y acorta la lista sin llegar nunca a reducirla a una sola entrada. Lo que cierra la distancia es otro tipo de medición, no una mejor resolución de la misma.

La consecuencia para quien lea una lista de candidatos es directa. El orden de una lista así no es una clasificación por probabilidad, y la primera entrada no es la respuesta. Tratar una coincidencia de masa como una identificación significa aceptar lo primero que encaja, que es precisamente la definición de una suposición vestida de resultado. Es tentador hacer exactamente eso sobre todo porque una lista larga parece evidencia y ninguna línea de una salida dice lo contrario, mientras que el orden refleja cómo se construyó la búsqueda y no nada sobre la muestra.

¿Para qué sirve entonces una masa? Para descartar cosas, de forma barata e inmediata. Una cadena de una longitud dada no puede tener una masa que caiga fuera del rango que sus residuos pueden producir, y una masa muy por encima del objetivo contradice de inmediato cualquier estimación de longitud por debajo de la que produce esta página. También puede sostener una hipótesis sobre el tamaño, que es el trabajo para el que está construida esta página. Más allá de eso es una restricción, y una restricción solo se convierte en evidencia cuando se le añade algo independiente. Ese es un trabajo realmente útil aunque suene modesto, porque una expectativa equivocada sobre el tamaño es uno de los errores más fáciles de cometer y de los más caros de descubrir más adelante.

Establecer la identidad exige una segunda observación independiente: un patrón de fragmentos de una digestión, una segunda masa procedente de una ionización o derivatización distinta, un tiempo de retención frente a material ya autenticado, o una medición directa de la secuencia. Cualquiera de esas cosas convierte una masa en evidencia real, y ninguna se realiza aquí ni en ninguna otra parte de este sitio. Cuando ya tienes una secuencia en la mano y quieres saber cuánto debería pesar, la guía sobre el peso molecular a partir de la secuencia ejecuta esa aritmética en el sentido que sí está determinado, y la guía sobre masa monoisotópica frente a peso molecular medio explica qué convención conviene introducir primero.