Stimatore da massa a sequenza

Invertire una massa in una sequenza è un problema sottodeterminato, e vale la pena essere netti su questo prima di qualsiasi altra cosa nella pagina. Una massa è un numero. Una sequenza è una serie di scelte, una per residuo. Il numero di sequenze compatibili con una qualsiasi massa misurata è enorme, e nessuna quantità di aritmetica converte l’una nell’altra. Quello che questa pagina restituisce è quindi una stima della lunghezza, non una molecola candidata, e una lunghezza è un’affermazione molto più debole di quanto possa sembrare quando sta in una colonna di numeri.

Ci sono due fonti indipendenti di ambiguità, e tenerle separate rende l’intero problema più facile da ragionare. La prima è l’ordine. Ogni riordinamento dello stesso insieme di residui, contati con le loro molteplicità, ha una massa identica, perché la massa è una somma e una somma non bada all’ordine in cui sono arrivati i termini. Quindi anche se la composizione fosse in qualche modo fissata con esattezza, la sequenza stessa resterebbe indeterminata, e nessuna cura nell’aritmetica cambierebbe la cosa. Una catena di dieci residui tutti diversi ha più di tre milioni di disposizioni che condividono una massa, prima ancora di porre la domanda sulla composizione.

La seconda è la composizione. Insiemi diversi di residui possono sommare alla stessa massa senza essere lo stesso insieme, quindi la massa non fissa la composizione neppure. Queste due ambiguità si moltiplicano e non si limitano ad aggiungersi, ed è per questo che lo spazio delle possibilità non è semplicemente grande ma non è limitato da nulla che una singola misura di massa sia in grado di dirti. Ogni metodo che sembra restringerlo sta aggiungendo qualcosa che hai fornito tu, oppure sta indovinando. È per questo che qualsiasi elenco di corrispondenze proveniente da qualunque banca dati è un elenco di ciò che la massa non esclude, non di ciò che essa stabilisce, ed è di solito la disposizione dell’uscita a confondere la distinzione.

La stima è costruita su esattamente un numero: la media delle venti masse residue medie, che è circa 118.9 e non appartiene a nessun peptide reale. Sottrai la singola molecola d’acqua che una catena aggiunge, dividi il resto per quella media, e ottieni una lunghezza nel giusto ordine di grandezza. L’intero metodo poggia quindi sull’ipotesi che la composizione non sia sbilanciata, ed è l’ipotesi che i peptidi reali violano più spesso, perché molti sono arricchiti di proposito in uno o due residui. Nulla nella stima può rilevare il proprio fallimento, perché una catena costruita quasi interamente da glicine e una catena con una miscela tipica di residui restituiscono la stessa lunghezza pur differendo di quasi un fattore tre in ciò che pesano davvero.

Quanto male vada è più chiaro agli estremi che nel mezzo. La glicina è il residuo più leggero, circa 57.05, e l’arginina il più pesante, circa 156.19, un rapporto di quasi tre. Prendi come obiettivo 1000 Da, sottrai l’acqua e dividi per il residuo più pesante, e la catena più corta che potrebbe pesare tanto è di sei residui. Dividi per il più leggero e la più lunga è di diciassette. Una massa misurata è compatibile con qualsiasi cosa da sei a diciassette residui, e la stima di otto sta dentro quell’intervallo senza essere distinguibile al suo interno.

Un fattore di quasi tre nella lunghezza possibile della catena, da un numero solo, è una proprietà del problema e non un difetto della stima, e nessuna convenzione di notazione la cambia. Il calcolatore della lunghezza del peptide e il calcolatore del peso molecolare medio sono la coppia che collega davvero una sequenza a una lunghezza, in quest’ordine, mentre il calcolatore della differenza di massa è quello da raggiungere quando la domanda riguarda materiale aggiunto a una catena o perduto da essa anziché letto su di essa. Nella direzione opposta la stessa coppia di pagine è completamente determinata, ed è questa asimmetria a rendere questa pagina un generatore di ipotesi e non la soluzione di una.

Una parte dell’ambiguità è molto più netta del caso generale, perché certe combinazioni di residui condividono una massa esattamente e non approssimativamente. Leucina e isoleucina sono l’esempio standard: entrambe hanno una massa residua di 113.08406, quindi nessuna misura di massa a precisione raggiungibile può separarle. Due glicine danno 114.04292 contro l’asparagina a 114.04293, e alanina più glicina dà 128.05857 contro la glutammina a 128.05858. Sono identità nelle masse stesse, non coincidenze di arrotondamento che un’apparecchiatura migliore risolverebbe. Qualsiasi sequenza contenente una leucina ha anche una gemella isobarica in cui ogni leucina è scambiata con un’isoleucina, con massa monoisotopica identica, e non meno identica la massa media.

Quella è l’affermazione più netta disponibile sul fatto che il problema non può essere risolto da una massa da sola. Una misura di massa esatta e senza errori, corretta per tutte le cifre decimali che lo strumento sa riportare, lascia comunque intere famiglie di sequenze indistinguibili fra loro. Il calcolatore della massa monoisotopica ti dà quella cifra esatta fino alla massima precisione che sa raggiungere, e lascerà comunque l’ambiguità al suo posto. Uno strumento più accurato restringe la tolleranza e accorcia l’elenco senza mai ridurlo a una sola voce. Ciò che chiude il divario è un tipo diverso di misura, non una risoluzione migliore della stessa.

La conseguenza per chiunque legga un elenco di candidati è diretta. L’ordine di un elenco di questo tipo non è una classifica di probabilità, e la prima voce non è la risposta. Trattare una corrispondenza di massa come un’identificazione significa accettare la prima cosa che entra, ed è esattamente la definizione di una congettura travestita da risultato. È tentante fare esattamente questo proprio perché un elenco lungo sembra una prova e nessuna riga di un’uscita dice il contrario, mentre l’ordine riflette il modo in cui la ricerca è stata costruita e non qualcosa sul campione.

A che cosa serve dunque una massa? A escludere, in modo economico e immediato. Una catena di una data lunghezza non può avere una massa che cada fuori dall’intervallo che i suoi residui possono produrre, e una massa ben al di sopra dell’obiettivo contraddice subito qualunque stima di lunghezza inferiore a quella che questa pagina produce. Può anche sostenere un’ipotesi sulla dimensione, che è il compito per cui questa pagina è costruita. Oltre questo è un vincolo, e un vincolo diventa prova solo quando gli si aggiunge qualcosa di indipendente. È un lavoro genuinamente utile anche se suona modesto, perché un’aspettativa sbagliata sulla dimensione è uno degli errori più facili da commettere e uno dei più costosi da scoprire a valle.

Stabilire l’identità richiede una seconda osservazione indipendente: uno spettro di frammenti proveniente da una digestione, una seconda massa da una ionizzazione o una derivatizzazione diversa, il tempo di ritenzione confrontato con materiale già autenticato, oppure una misura diretta della sequenza. Una qualsiasi di quelle trasforma una massa in prova reale, e nessuna di esse viene eseguita qui o altrove su questo sito. Quando una sequenza è già nelle tue mani e vuoi sapere quanto dovrebbe pesare, la guida sul peso molecolare da una sequenza svolge quell’aritmetica nella direzione che è effettivamente determinata, e la massa monoisotopica rispetto alla massa media spiega quale convenzione immettere per prima.