Estimador de massa para sequencia

Reverter uma massa numa sequência é um problema subdeterminado, e vale a pena ser frontal sobre isso antes de tudo o resto na página. Uma massa é um número. Uma sequência é uma série de escolhas, uma por resíduo. O número de sequências compatíveis com qualquer massa medida em particular é enorme, e nenhuma quantidade de aritmética converte uma na outra. O que esta página devolve é portanto uma estimativa de comprimento, e não uma molécula candidata, e um comprimento é uma afirmação muito mais fraca do que parece quando está numa coluna de números.

Há duas fontes independentes da ambiguidade, e mantê-las separadas torna o problema inteiro mais fácil de raciocinar. A primeira é a ordem. Qualquer reordenação do mesmo multiconjunto de resíduos tem massa idêntica, porque a massa é uma soma e uma soma não liga à ordem em que os termos chegaram. Portanto mesmo que a composição estivesse de algum modo fixada exatamente, a sequência em si continuaria indeterminada, e nenhum cuidado na aritmética mudaria isso. Uma cadeia de dez resíduos todos diferentes tem mais de três milhões de reordenações a partilhar uma massa, antes sequer de a composição ser posta em questão.

A segunda é a composição. Multiconjuntos de resíduos diferentes podem somar a mesma massa sem serem de todo o mesmo multiconjunto, portanto a massa também não fixa a composição. Estas duas ambiguidades multiplicam-se em vez de apenas se somarem, e é por isso que o espaço de possibilidades não é apenas grande mas não está limitado por nada que uma única medição de massa seja capaz de lhe dizer. Todo o método que pareça estreitá-lo está a acrescentar algo que você forneceu, ou a adivinhar. É por isso que qualquer lista de correspondências de qualquer base de dados é uma lista do que a massa não exclui, e não uma lista do que ela estabelece, e a distinção fica normalmente desfocada pela forma como a saída acaba arrumada.

A estimativa é construída a partir de exatamente um número: a média das vinte massas médias de resíduo, que é cerca de 118.9 e não pertence a nenhum peptídeo real. Subtraia a única água que uma cadeia acrescenta e divida o resto por essa média, e obtém um comprimento na vizinhança certa. O método inteiro assenta portanto na suposição de que a composição não é enviesada, e é essa a suposição que os peptídeos reais mais vezes violam, já que muitos são enriquecidos de propósito num ou dois resíduos. Nada na estimativa consegue detetar a sua própria falha, porque uma cadeia construída quase só de glicinas e uma cadeia com uma mistura de resíduos típica devolvem o mesmo comprimento apesar de diferirem por quase um fator de três no que pesam de facto.

O grau em que isso falha é mais claro nas extremidades do que no meio. A glicina é o resíduo mais leve, cerca de 57.05, e a arginina o mais pesado, cerca de 156.19, uma razão de quase três. Tome um alvo de 1000 Da, subtraia a água e divida pelo resíduo mais pesado, e a cadeia mais curta que poderia pesar isso tem seis resíduos. Divida pelo mais leve e a mais longa é dezassete. Uma massa medida é compatível com tudo o que vai de seis a dezassete resíduos, e a estimativa de oito fica dentro dessa gama sem ser distinguida dentro dela.

Um fator de quase três no comprimento de cadeia possível, a partir de um único número, é uma propriedade do problema e não um defeito da estimativa, e nenhuma convenção de comunicação a muda. A calculadora de comprimento de peptídeo e a calculadora de peso molecular médio são o par que liga de facto uma sequência a um comprimento, por essa ordem, enquanto a calculadora de diferença de massas é a que se deve buscar quando a pergunta é sobre material acrescentado a uma cadeia ou perdido a partir dela em vez de lido a partir de uma. Corridas no sentido oposto, as mesmas duas páginas ficam completamente determinadas, e é essa assimetria que faz desta página uma geradora de hipóteses em vez de uma solução para uma.

Parte da ambiguidade é muito mais nítida do que o caso geral, porque certas combinações de resíduos partilham uma massa exatamente e não aproximadamente. A leucina e a isoleucina são o exemplo normal: ambas têm uma massa de resíduo de 113.08406, portanto nenhuma medição de massa em precisão alcançável as consegue separar. Duas glicinas dão 114.04292 contra 114.04293 da asparagina, e a alanina mais glicina dá 128.05857 contra 128.05858 da glutamina. Essas são identidades nas próprias massas, e não coincidências de arredondamento que equipamento melhor resolveria. Qualquer sequência que contenha uma leucina tem também um gémeo isobárico em que cada leucina é trocada por uma isoleucina, com massa monoisotópica idêntica tal como massa média idêntica.

Essa é a formulação mais nítida disponível de porque é que o problema não pode ser resolvido a partir de uma massa só. Uma medição de massa exata, sem erro, correta com tantas casas decimais quanto o instrumento consiga comunicar, ainda deixa famílias inteiras de sequências indistinguíveis umas das outras. A calculadora de massa monoisotópica dá-lhe essa figura exata com tanta precisão quanto consegue, e ainda assim deixa a ambiguidade intacta. Um instrumento mais preciso estreita a tolerância e encurta a lista sem nunca a reduzir a uma única entrada. O que fecha a lacuna é um tipo diferente de medição, não uma melhor resolução da mesma medição.

A consequência para quem esteja a ler uma lista de candidatos é direta. A ordem dessa lista não é uma ordenação por probabilidade, e a primeira entrada não é a resposta. Tratar uma correspondência de massa como uma identificação é aceitar a primeira coisa que serve, o que é precisamente a definição de um palpite vestido de resultado. É tentador fazer exatamente isso precisamente porque uma lista longa parece evidência e nenhuma linha de uma saída diz o contrário, ao passo que a ordenação reflecte a forma como a pesquisa foi construída e não algo sobre a amostra.

Então para que serve uma massa? Ela elimina coisas, de forma barata e imediata. Uma cadeia de um dado comprimento não pode ter uma massa fora do intervalo que os seus resíduos podem produzir, e uma massa muito acima do alvo contradiz imediatamente qualquer estimativa de comprimento abaixo da que esta página produz. Também pode apoiar uma hipótese sobre o tamanho, que é o trabalho para o qual esta página foi construída. Para além disso é uma restrição, e uma restrição só se torna evidência quando algo independente lhe é acrescentado. Esse é um trabalho genuinamente útil, mesmo que soe modesto, porque uma expectativa errada sobre o tamanho é um dos erros mais fáceis de cometer e um dos mais caros de descobrir a jusante.

Estabelecer identidade exige uma segunda observação independente: um padrão de fragmentos de uma digestão, uma segunda massa a partir de uma ionização ou derivatização diferente, um tempo de retenção contra material já autenticado, ou uma medição direta da sequência. Qualquer uma dessas transforma uma massa em evidência a sério, e nenhuma delas é feita aqui nem em qualquer outro sítio deste site. Quando já tem uma sequência nas mãos e quer saber quanto deve pesar, o peso molecular a partir de uma sequência faz essa aritmética na direção que está de facto determinada, e massa monoisotópica face à massa média explica que convenção introduzir primeiro.