JP2011220733A - スペクトル予測方法、スペクトル予測装置、およびプログラム - Google Patents

Abstract

【課題】本発明の課題は、所与の糖分子の分子構造から、MSⁿスペクトルを予測することができるスペクトル予測方法を提供することである。
【解決手段】上記課題を解決するために、本発明に係るスペクトル予測方法は、入力ファイルを読み込む読み込みステップと、前記読み込みステップにより読み込まれた前記入力ファイルに含まれる情報に基づいて、糖分子に含まれる化学結合の切断と前記糖分子のイオン化をシミュレートするシミュレーションステップと、前記シミュレーションステップにより生成がシミュレートされた前記糖分子のフラグメントの情報を記録する記録ステップと、前記フラグメントの情報に基づいて、前記糖分子のMSⁿスペクトルを予測する予測ステップとを備えたことを特徴する。
【選択図】図２

Description

本発明は、スペクトル予測方法、スペクトル予測装置、およびプログラムに関する。

MALDI（マトリックス支援レーザー脱離イオン化(Matrix-assisted laser desorption/ionization)）−MSⁿ（多段階質量分析(multiple-stage mass spectrometry)）は、MSⁿスペクトルにおける特徴的なフラグメンテーションパターンから、タンパク質やオリゴ糖を含む様々なクラスの生体分子を特徴付ける上で不可欠なものとなっている。

例えば、MALDI−MSⁿでは、衝突誘起解離(Collision induced dissociation (CID))による糖分子のフラグメンテーションが分子中の化学結合の性質に依存することを利用する。そして、CIDによる糖分子のフラグメンテーションの結果得られるMSⁿスペクトルを観測することにより、糖分子の異性体構造を識別することができる。

質量分析で糖鎖構造を解析する方法として、あらゆる種類の糖鎖を実際にフラグメント化することによりフラグメント化パターンを得てこれをデータとして蓄積し、蓄積されたフラグメント化パターンのデータと被検糖鎖のフラグメント化パターンとを比較して、糖鎖構造を予測する方法がある（例えば、特許文献１参照）。

国際公開ＷＯ２００６／１１２３４３号パンフレット

しかしながら、観測されたMSⁿスペクトルから糖分子の分子構造を決定するためには、面倒な統計学的分析のような複雑な処理が必要である。そして、たとえ、MALDI−MSⁿの適用対象である糖分子の分子構造が既知であっても、既知の糖分子の分子構造から、MSⁿスペクトルを予測することは困難であった。

本発明は、上記課題を解決するためになされたものであり、所与の糖分子の分子構造から、MSⁿスペクトルを予測することができるスペクトル予測方法を提供することを目的とする。

本発明者は、所与の糖分子のフラグメンテーションのシミュレーションにおいて、所与の糖分子に含まれる化学結合の切断確率を用いることによって、所与の糖分子のMSⁿスペクトルを精度良く予測できることを見いだした。そして、この知見により、所与の糖分子のMSⁿスペクトルを予測するためのスペクトル予測方法、スペクトル予測装置、およびプログラムを完成させた。

すなわち、
１． （１）入力ファイルを読み込む読み込みステップと、（２）読み込みステップにより読み込まれた入力ファイルに含まれる情報に基づいて、糖分子に含まれる化学結合の切断と糖分子のイオン化をシミュレートするシミュレーションステップと、（３）シミュレーションステップにより生成がシミュレートされた糖分子のフラグメントの情報を記録する記録ステップと、（４）フラグメントの情報に基づいて、糖分子のMSⁿスペクトルを予測する予測ステップとを備えたことを特徴するスペクトル予測方法；
２． 入力ファイルは、糖分子に含まれる化学結合の切断確率を含むことを特徴とする１．に記載のスペクトル予測方法；
３． 読み込みステップは、入力ファイルをデータベースから読み込むことを特徴とする１．又は２．に記載のスペクトル予測方法。
４． ＧＵＩを用いて、入力ファイルを生成する生成ステップを、さらに備えたことを特徴とする３．に記載のスペクトル予測方法；
５． 糖分子について実験的に観測されたMSⁿスペクトルに基づいて、切断確率を決定する決定ステップを、さらに備えたことを特徴とする４．に記載のスペクトル予測方法。
６． 糖分子に関連した物理量の計算値に基づいて、切断確率を決定する決定ステップを、さらに備えたことを特徴とする４．に記載のスペクトル予測方法；
７． 決定ステップは、遺伝的アルゴリズムを用いて、切断確率を決定することを特徴とする５．に記載のスペクトル予測方法；
８． 物理量は、糖分子に含まれる化学結合の結合エネルギーであることを特徴とする６．に記載のスペクトル予測方法；
９． 物理量は、糖分子に含まれる化学結合の活性化エネルギーであることを特徴とする６．に記載のスペクトル予測方法；
１０． （１）入力ファイルを読み込む読み込み手段と、（２）読み込み手段により読み込まれた入力ファイルに含まれる情報に基づいて、糖分子に含まれる化学結合の切断と糖分子のイオン化をシミュレートするシミュレーション手段と、（３）シミュレーション手段により生成がシミュレートされた糖分子のフラグメントの情報を記録する記録手段と、（４）フラグメントの情報に基づいて、糖分子のMSⁿスペクトルを予測する予測手段とを備えたことを特徴するスペクトル予測装置；
１１． 入力ファイルは、糖分子に含まれる化学結合の切断確率を含むことを特徴とする１０．に記載のスペクトル予測装置；
１２． 読み込み手段は、入力ファイルをデータベースから読み込むことを特徴とする１０．又は１１．に記載のスペクトル予測装置；
１３． ＧＵＩを用いて、入力ファイルを生成する生成手段を、さらに備えたことを特徴とする１２．に記載のスペクトル予測装置；
１４． 糖分子について実験的に観測されたMSⁿスペクトルに基づいて、切断確率を決定する決定手段を、さらに備えたことを特徴とする１３．に記載のスペクトル予測装置；
１５． 糖分子に関連した物理量の計算値に基づいて、切断確率を決定する決定手段を、さらに備えたことを特徴とする１３．に記載のスペクトル予測装置；
１６． 決定手段は、遺伝的アルゴリズムを用いて、切断確率を決定することを特徴とする１４．に記載のスペクトル予測装置；
１７． 物理量は、糖分子に含まれる化学結合の結合エネルギーであることを特徴とする１５．に記載のスペクトル予測装置；
１８． 物理量は、糖分子に含まれる化学結合の活性化エネルギーであることを特徴とする１５．に記載のスペクトル予測装置；および
１９． １．から９．のいずれかに記載のスペクトル予測方法をコンピュータに実行させるプログラム；
である。

本発明によれば、所与の糖分子の分子構造から、MSⁿスペクトルを予測することができる。

本発明に係るハードウェアを示す図である。 本発明に係るスペクトル予測装置２０１が実行する処理を示すフローチャートである。 本発明に係るスペクトル予測装置２０１が決定した切断確率の一例を示す図である。 本発明に係るデータフォーマットの一例を示す図である。 本発明に係るＧＵＩの一例を示す図である。 本発明に係るスペクトル予測装置２０１のシミュレーション結果と実験値とを比較した図である。 MFLNH-I、MFLNH-II、MFLNH-IIIの化学構造を示す図である。 本発明に係るスペクトル予測装置２０１により計算された、MFLNH-I、MFLNH-II、MFLNH-IIIの最適化された構造におけるGlcNAcβ1−3GalおよびGlcNAcβ1−6Galの結合エネルギーの値を示す図である。

以下、図面を参照して、本発明に係る実施形態を説明する。

本発明では、後述する図１のスペクトル予測装置２０１が、新たに定義された切断確率というパラメータを用いて、後述する図２の処理を実行することにより、所与の糖分子の分子構造からMSⁿスペクトルを予測する。ここで、切断確率とは、糖分子の分子構造に含まれる化学結合が切断される確率を表す。

＜実施形態１＞
まず、以下で、一例として、スペクトル予測装置２０１が用いる切断確率が、実験的に観測されたMSⁿスペクトルから経験的に決定される実施形態について以下で説明する。

図１のスペクトル予測装置２０１は、後述する図２の処理を実行することにより、切断確率を用いて計算されたMSⁿスペクトルが、実験的に観測されたMSⁿスペクトルに一致するように、切断確率を統計的に求める。このように、スペクトル予測装置２０１が切断確率を求める際に、例えば、遺伝的アルゴリズム（ＧＡ）を用いてもよい。

図３は、一例として、スペクトル予測装置２０１が決定したmaltopenaoseという糖分子内の化学結合の切断確率のセットを、示している。図３には、一例として、本発明に係るスペクトル予測装置２０１が決定した８つの切断確率の値（０．００８３、０．０６６５、０．５７８７、０．０８５、０．４４５６、０．０３２２、０．５１５、０．０１３４）が、示されている。

切断確率は、例えば、図４に示されているようなデータフォーマットでデータベース化されてもよい。図４は、一例として、図３に示されているmaltopenaoseに含まれているユニット名称がaGlcでユニット番号が１のユニットの分子と、ユニット番号が２のユニットの分子とを結合する化学結合１（ユニット番号が１のユニットの分子の部位１と、ユニット番号が２のユニットの分子との化学結合）の切断確率が０．００８３である場合のデータフォーマットを示している。図３に示されている例では、糖分子に含まれる糖単位でユニットの分子に分割されているが、糖分子のユニットへの分割の仕方は、図３の例に限られない。図４に示されている例において、ユニットの分子の重さは、１６３．１７となっており、さらにユニットの分子内の各部位の重さが配列されている。図４に示されている例において、部位０の重さが１６．０であり、部位１の重さが１３．０２であり、部位２の重さが３０．０３であり、部位３の重さが３０．０３であり、部位４の重さが３０．０３であり、部位５の重さが１３．０２であり、部位６の重さが３１．０４である。上記部位の重さは、部位の原子量又は分子量であってもよい。さらに、図４に示されている例において、ユニットの分子内の化学結合の切断確率も配列されている。図４に示されている例では、ユニットの分子内の化学結合１〜５の切断確率は全て０である。また、図４に示されているデータフォーマットに、各ユニットの分子に含まれる水素の脱水素確率、各ユニットの分子の脱水確率、およびシミュレーションの総試行回数Ｎが格納されるフォーマットが追加されてもよい。また、スペクトル予測装置２０１が、図２の処理を実行することにより計算されたMSⁿスペクトルが、実験的に観測されたMSⁿスペクトルに一致するように、切断確率と同様に、上記の脱水素確率および脱水確率を統計的に求めて、ネガティブイオンとして検出されるかどうかの判断を行ってもよい。このように、スペクトル予測装置２０１が脱水素確率および脱水確率を求める際に、例えば、遺伝的アルゴリズム（ＧＡ）を用いてもよい。

本発明に係るスペクトル予測装置２０１は、所与の糖分子が、上述した切断確率に応じて切断されて、フラグメントが生成される過程をシミュレートする。そして、スペクトル予測装置２０１は、MSⁿスペクトルにおける各質量のフラグメントの強度は、スペクトル予測装置２０１が実行するシミュレーションの結果得られる各質量のフラグメントの生成量に関係すると仮定して、MSⁿスペクトルを予測する。

図２は、本発明に係るスペクトル予測装置２０１が、MSⁿスペクトルを予測する際に実行する処理のフローチャートを示している。本発明に係るスペクトル予測装置２０１は、スペクトル予測装置２０１内のＣＰＵ２０２が、記憶部２０３から図２の処理を実行するためのプログラムを読み出して実行することにより、MSⁿスペクトルを予測する。また、スペクトル予測装置２０１の実行結果は、スペクトル予測装置２０１内のＣＰＵ２０２の命令により、表示部２０４に表示されてもよい。

まず、ステップＳ１０００で、スペクトル予測装置２０１は、MSⁿスペクトルを予測するためのシミュレーションを試行した回数ｉを０に初期化する。

次に、ステップＳ１００１で、スペクトル予測装置２０１は、MSⁿスペクトルを予測するためのシミュレーションに必要なパラメータを含む入力ファイルを読み込む。スペクトル予測装置２０１が読み込む入力ファイルには、所与の糖分子内の化学結合の切断確率のセット、所与の糖分子全体の重さ、所与の糖分子内のユニットの分子の重さ、所与の糖分子内のユニットの分子に含まれる水素の脱水素確率のセット、所与の糖分子内のユニットの分子の脱水確率、およびシミュレーションの総試行回数Ｎ等が含まれていてもよい。ここで、ユニットの分子とは、例えば、図４に示されているユニット番号で指定される分子であってもよい。また、スペクトル予測装置２０１が読み込む入力ファイルのフォーマットは、図４に示されたものであってもよい。また、スペクトル予測装置２０１が読み込む入力ファイルが、後述する図５のＧＵＩ６００を用いて、スペクトル予測装置２０１により生成されてもよい。また、スペクトル予測装置２０１が、入力ファイルが格納されたデータベースから入力ファイルを読み込んでもよい。

次に、ステップＳ１００２で、スペクトル予測装置２０１は、ステップＳ１００１で読み込んだ入力ファイルに含まれる切断確率のセットに基づいて、所与の糖分子内の化学結合を切断する。ここで、スペクトル予測装置２０１は、例えば、乱数を生成し、乱数の値と切断確率とを比較し、その比較に基づいて、所与の条件が満たされたときに、所与の糖分子内の化学結合が切断されるとしてもよい。例えば、スペクトル予測装置２０１は、乱数を生成し、乱数の値が、化学結合の切断確率の値より小さい場合に、その化学結合が切断されるとしてもよい。このようにして、スペクトル予測装置２０１は、ステップＳ１００１で読み込んだ切断確率に基づいて、所与の糖分子に含まれる化学結合の切断をシミュレートすることができる。

また、ステップＳ１００２で、スペクトル予測装置２０１は、ステップＳ１００１で読み込んだ入力ファイルに含まれる所与の糖分子内のユニットの分子に含まれる水素の脱水素確率のセットに基づいて、所与の糖分子内のユニットの分子に含まれる水素が脱水素するとしてもよい。ここで、スペクトル予測装置２０１は、例えば、乱数を生成し、乱数の値と脱水素確率とを比較し、その比較に基づいて、所与の条件が満たされたときに、所与の糖分子内のユニットの分子に含まれる水素が脱水素するとしてもよい。例えば、スペクトル予測装置２０１は、乱数を生成し、乱数の値が、脱水素確率の値より小さい場合に、脱水素するとしてもよい。

また、ステップＳ１００２で、スペクトル予測装置２０１は、ステップＳ１００１で読み込んだ入力ファイルに含まれる所与の糖分子内のユニットの分子の脱水確率に基づいて、所与の糖分子内のユニットの分子が脱水するとしてもよい。ここで、スペクトル予測装置２０１は、例えば、乱数を生成し、乱数の値と脱水確率とを比較し、その比較に基づいて、所与の条件が満たされたときに、所与の糖分子内のユニットの分子が脱水するとしてもよい。例えば、スペクトル予測装置２０１は、乱数を生成し、乱数の値が、脱水確率の値より小さい場合に、脱水するとしてもよい。

また、ステップＳ１００２で、スペクトル予測装置２０１は、脱水素や脱水が生じた場合に、脱水素や脱水により、所与の糖分子内のユニットの分子がイオン化する過程をシミュレートとしてもよい。また、ステップＳ１００２で、スペクトル予測装置２０１は、脱水素や脱水が生じた場合に、脱水素や脱水により、所与の糖分子内のユニットの分子がイオン化してネガティブイオンとして検出されるかどうかの判断を行ってもよい。

また、ステップＳ１００２で、スペクトル予測装置２０１は、計算時間を短縮するために、脱水素や脱水によるイオン化が生じた場合にのみ、化学結合の切断が起こるとしてもよい。

次に、ステップＳ１００３で、スペクトル予測装置２０１は、ステップＳ１００２における化学結合の切断により生成がシミュレートされた、所与の糖分子のフラグメントの情報を、記憶部２０３に記録する。例えば、ステップＳ１００３で、スペクトル予測装置２０１は、生成されるフラグメントの重さと電荷数を、記憶部２０３に記憶してもよい。また、例えば、ステップＳ１００３で、スペクトル予測装置２０１は、ステップＳ１００２で生じた脱水素や脱水によるイオン化により、ステップＳ１００２における化学結合の切断により生成されるフラグメントが帯びる電荷の数を、電荷数として、記憶部２０３に記憶してもよい。

次に、ステップＳ１００４で、スペクトル予測装置２０１は、MSⁿスペクトルを予測するためのシミュレーションを試行した回数ｉを１増やす。

次に、ステップＳ１００５で、スペクトル予測装置２０１は、MSⁿスペクトルを予測するためのシミュレーションを試行した回数iが、シミュレーションの総試行回数Ｎに等しいか否かを判定する。ステップＳ１００５で、スペクトル予測装置２０１は、シミュレーションを試行した回数iが、シミュレーションの総試行回数Ｎに等しいと判定された場合には、ステップＳ１００６に処理が進む。ステップＳ１００５で、スペクトル予測装置２０１は、シミュレーションを試行した回数iが、シミュレーションの総試行回数Ｎに等しくないと判定された場合には、ステップＳ１００１に処理が戻る。

ステップＳ１００６で、スペクトル予測装置２０１は、記憶部２０３に記憶されているシミュレーションで生成されたフラグメントの情報を用いて、フラグメントのm/z（m=質量,z=電荷数）ごとに、生成されたフラグメントの数の分布を集計して、所与の糖分子のMSⁿスペクトルを予測する。スペクトル予測装置２０１は、予測したMSⁿスペクトルを、表示部２０４に表示してもよい。そして、スペクトル予測装置２０１は、図２に記載されたフローチャートの処理を終了する。

図５は、ステップＳ１００１で読み込まれる入力ファイルを、スペクトル予測装置２０１が生成する場合に用いることができるＧＵＩ６００を示している。ＧＵＩ６００は、スペクトル予測装置２０１内のＣＰＵ２０２の命令により、表示部２０４に表示されてもよい。

ＧＵＩ６００は、糖分子を構成する分子（ユニットの分子）の指定と、ユニットの分子間の化学結合の指定を、ユーザから、受け付けて表示することができる。例えば、図５において、ＧＵＩ６００は、aFuc1、aFuc２、aFuc3という名前の三つのユニットの分子と、bGalという名前の１つのユニットの分子を表示している。また、一例として、図５は、aFuc1という名前のユニットの分子とaFuc2という名前のユニットの分子とが化学結合で結合され、aFuc1という名前のユニットの分子とaFuc3という名前のユニットの分子とが化学結合で結合され、aFuc2という名前のユニットの分子とaFuc3という名前のユニットの分子とが化学結合で結合され、aFuc3という名前のユニットの分子とbGalという名前のユニットの分子とが化学結合で結合されている様子が表示されている。ＧＵＩ６００において、化学結合の結合部位は、０〜６の番号で指定される部位により指定される。また、ＧＵＩ６００は、ユニットの分子の名前もユーザから受け付けてもよい。

ＧＵＩ６００は、糖分子を構成する分子（ユニットの分子）の指定と、ユニットの分子間の化学結合の指定を、ユーザから、受け付けた後に、ユーザからの計算指示を受け付けて、化学結合の切断確率を計算することもできる。その際の切断確率の計算は、スペクトル予測装置２０１が、上記の実施形態の説明で示された処理により計算してもよい。ＧＵＩ６００は、スペクトル予測装置２０１により計算された切断確率の値を表示してもよい。

図６は、一例として、本発明に係るスペクトル予測装置２０１によるシミュレーションにより予測されたMS²スペクトルの予測結果と、実験により観測されたMS²スペクトルの実験値との比較を示している。図６に示されているMS²スペクトルは、PBH(pyrene butanoic acid hydrazide)でラベルされたmaltopenaoseのMS²スペクトルである。

図６に示されているように、本発明に係るスペクトル予測装置２０１によるシミュレーションにより予測されたMS²スペクトルの予測結果と、実験により観測されたMS²スペクトルの実験値は、良く一致しており、切断確率を用いた予測が妥当であることが示されている。

すなわち、本発明に係るスペクトル予測装置２０１は、経験的に決定された切断確率を用いて、所与の糖分子の構造に対するMSⁿスペクトルの実験値を、精度良く予測することができる。

＜実施形態２＞
次に、以下で、一例として、所与の糖分子に関連した、電荷分布、結合エネルギー、電子状態、活性化エネルギー、速度定数のような様々な物理量の計算値に基づいて、スペクトル予測装置２０１が切断確率を決定する実施形態について説明する。

本実施形態において、第一原理的な分子シミュレーションの計算値に基づいて、切断確率が決定されてもよい。また、第一原理的な分子シミュレーションよりも１００万倍以上も高速な計算が可能な超高速化強結合(tight-binding)計算手法による計算値に基づいて、切断確率が決定されてもよい。また、切断確率の決定に用いられる計算値の計算手法が、量子力学に基づくものであってもよい。以下では、一例として、切断確率の決定に用いられる計算値の計算手法が、量子力学に基づく超高速化強結合(tight-binding)計算手法（Ｃｏｌｏｒｓ）である場合について説明する。

まず、本実施形態では、一例として、スペクトル予測装置２０１が、３種類の糖分子の異性体の相対エネルギー状態と結合強度を、Ｃｏｌｏｒｓを用いて計算する。

一例として、糖分子の異性体を、PBHでラベルされたMFLNH(Monofucosyllacto-N-hexaose)の異性体とする。

図７には、MFLNH-I、MFLNH-IIおよびMFLNH-IIIというMFLNHの３つの異性化合物の化学構造が示されている。

図８には、スペクトル予測装置２０１が、Ｃｏｌｏｒｓを用いて計算した、MFLNH-I、MFLNH-II、MFLNH-IIIの最適化された構造におけるGlcNAcβ1−3GalおよびGlcNAcβ1−6Galの結合エネルギーの値が示されている。

図８における計算結果を参照すると、以下のことがわかる。すなわち、MFLNH-IにおけるGlcNAcβ1−3Galの結合エネルギー(-124.14 kcal/mol)と、GlcNAcβ1−6Galの結合エネルギー(-131.54 kcal/mol)には、有為な値の差が見られる。また、MFLNH-IIにおけるGlcNAcβ1−3Gal の結合エネルギー(-124.15 kcal/mol)と、GlcNAcβ1−6Galの結合エネルギー(-132.02 kcal/mol)にも、有為な値の差が見られる。

すなわち、GlcNAcにおけるアミノ基近隣に電荷が保持される傾向のために、β1−3結合は、β1−6結合よりも不安定であるので、MFLNH-I、MFLNH-IIでは、上記のように、GlcNAcβ1−3Galの結合エネルギーと、GlcNAcβ1−6Galの結合エネルギーに、有為な値の差が生じるのである。

しかしながら、MFLNH-IIIでは、GlcNAcβ1−3Galの結合エネルギー(-125.8 kcal/mol)と、GlcNAcβ1−6Galの結合エネルギー(-126.50 kcal/mol)に、有為な値の差が生じない。

このような結合エネルギーの値の振る舞いの変化は、MFLNH-IIIがfucose α1−3結合を有することに起因する。

上記のように、大部分のグリコシド結合の切断は、Ｃｏｌｏｒｓにより計算された、MFLNH-I、MFLNH-II、MFLNH-IIIの結合エネルギーに関連付けられる。

すなわち、例えば、GlcNAcβ1−6Galの切断は、MFLNH-IIIで起こり易く、MFLNH-I、MFLNH-IIでは、起こりにくいと予測することができる。

したがって、スペクトル予測装置２０１は、例えば、MFLNH-III におけるGlcNAcβ1−6Galの切断確率の値は、MFLNH-I、MFLNH-IIにおけるGlcNAcβ1−6Galの切断確率の値よりも大きいと決定する。

そして、スペクトル予測装置２０１は、上記のように決定された切断確率が含まれる入力パラメータを読み込んで図２の処理を実行することにより、実験的に観測されているMFLNH-I、MFLNH-II 、MFLNH-III のMSⁿスペクトルを予測することができる。

また、Ｃｏｌｏｒｓによる計算では、MFLNH-Iに含まれる２つのC（炭素）−O（酸素）の化学結合（Ａ結合、Ｂ結合）のうち、化学結合が切断されたときにm/z=992（m=質量,z=電荷数）のフラグメントを生じるＡ結合の活性化エネルギーは13.03kcal/molとなり、化学結合が切断されたときにm/z=1177のフラグメントを生じるB結合の活性化エネルギーは、13.84kcal/molとなる。そして、A結合の活性化エネルギーから計算される速度定数を、B結合の活性化エネルギーから計算される速度定数で割った値は、約0.33となる。この約0.33という値は、実験で観測されているMS²スペクトルにおける、m/z=1177のフラグメントの強度を、m/z=992のフラグメントの強度で割ったものと定量的に一致する。したがって、Ａ結合とＢ結合の切断確率が、Ｃｏｌｏｒｓによる計算値から求まると結論できる。すなわち、スペクトル予測装置２０１は、上記の場合、Ｃｏｌｏｒｓによる計算値に基づき、A結合の切断確率は、B結合の切断確率よりも大きいと決定できる。

そして、スペクトル予測装置２０１は、上記のように決定された切断確率が含まれる入力パラメータを読み込んで図２の処理を実行することにより、MFLNH-Iについて実験的に観測されているMSⁿスペクトルを予測することができる。

上記で説明したように、本実施形態に係るスペクトル予測装置２０１は、所与の糖分子のMSⁿスペクトルにおける分岐特異的な(branch-specific)フラグメンテーションパターンを、所与の糖分子に関連した物理量の計算値に基づき決定された切断確率を用いて、予測することができる。

＜他の実施形態＞
なお、本発明の実施形態に係るスペクトル予測装置２０１が実行する処理を実行させるプログラムを、コンピュータに実行させることにより、本発明を実施してもよい。

２０１ スペクトル予測装置
２０２ ＣＰＵ
２０３ 記憶部
２０４ 表示部

Claims (19)

1. 入力ファイルを読み込む読み込みステップと、
   前記読み込みステップにより読み込まれた前記入力ファイルに含まれる情報に基づいて、糖分子に含まれる化学結合の切断と前記糖分子のイオン化をシミュレートするシミュレーションステップと、
   前記シミュレーションステップにより生成がシミュレートされた前記糖分子のフラグメントの情報を記録する記録ステップと、
   前記フラグメントの情報に基づいて、前記糖分子のMSⁿスペクトルを予測する予測ステップとを備えたことを特徴するスペクトル予測方法。
2. 前記入力ファイルは、前記糖分子に含まれる化学結合の切断確率を含むことを特徴とする請求項１に記載のスペクトル予測方法。
3. 前記読み込みステップは、前記入力ファイルをデータベースから読み込むことを特徴とする請求項１又は請求項２に記載のスペクトル予測方法。
4. ＧＵＩを用いて、前記入力ファイルを生成する生成ステップを、さらに備えたことを特徴とする請求項３に記載のスペクトル予測方法。
5. 前記糖分子について実験的に観測されたMSⁿスペクトルに基づいて、前記切断確率を決定する決定ステップを、さらに備えたことを特徴とする請求項４に記載のスペクトル予測方法。
6. 前記糖分子に関連した物理量の計算値に基づいて、前記切断確率を決定する決定ステップを、さらに備えたことを特徴とする請求項４に記載のスペクトル予測方法。
7. 前記決定ステップは、遺伝的アルゴリズムを用いて、前記切断確率を決定することを特徴とする請求項５に記載のスペクトル予測方法。
8. 前記物理量は、前記糖分子に含まれる化学結合の結合エネルギーであることを特徴とする請求項６に記載のスペクトル予測方法。
9. 前記物理量は、前記糖分子に含まれる化学結合の活性化エネルギーであることを特徴とする請求項６に記載のスペクトル予測方法。
10. 入力ファイルを読み込む読み込み手段と、
    前記読み込み手段により読み込まれた前記入力ファイルに含まれる情報に基づいて、糖分子に含まれる化学結合の切断と前記糖分子のイオン化をシミュレートするシミュレーション手段と、
    前記シミュレーション手段により生成がシミュレートされた前記糖分子のフラグメントの情報を記録する記録手段と、
    前記フラグメントの情報に基づいて、前記糖分子のMSⁿスペクトルを予測する予測手段とを備えたことを特徴するスペクトル予測装置。
11. 前記入力ファイルは、前記糖分子に含まれる化学結合の切断確率を含むことを特徴とする請求項１０に記載のスペクトル予測装置。
12. 前記読み込み手段は、前記入力ファイルをデータベースから読み込むことを特徴とする請求項１０又は請求項１１に記載のスペクトル予測装置。
13. ＧＵＩを用いて、前記入力ファイルを生成する生成手段を、さらに備えたことを特徴とする請求項１２に記載のスペクトル予測装置。
14. 前記糖分子について実験的に観測されたMSⁿスペクトルに基づいて、前記切断確率を決定する決定手段を、さらに備えたことを特徴とする請求項１３に記載のスペクトル予測装置。
15. 前記糖分子に関連した物理量の計算値に基づいて、前記切断確率を決定する決定手段を、さらに備えたことを特徴とする請求項１３に記載のスペクトル予測装置。
16. 前記決定手段は、遺伝的アルゴリズムを用いて、前記切断確率を決定することを特徴とする請求項１４に記載のスペクトル予測装置。
17. 前記物理量は、前記糖分子に含まれる化学結合の結合エネルギーであることを特徴とする請求項１５に記載のスペクトル予測装置。
18. 前記物理量は、前記糖分子に含まれる化学結合の活性化エネルギーであることを特徴とする請求項１５に記載のスペクトル予測装置。
19. 請求項１乃至９のいずれかに記載のスペクトル予測方法をコンピュータに実行させるプログラム。

Images