MALDI-MSI 펩타이드 동위원소 식별
질량 분석 이미징(MSI) 실험에서 얻어지는 방대한 펩타이드 데이터는 동위원소 봉투(isotopic envelope) 식별에 어려움을 야기합니다. 기존 방법들은 주로 스펙트럼 정보에 의존하여 분석의 한계가 있었습니다. 본 연구는 이러한 문제를 해결하기 위해 공간 분포 정보를 활용하는 새로운 접근법인 DeisoLAB을 제안합니다. DeisoLAB은 퍼지 추론 시스템과 펩타이드의 공간 분포 분석을 결합합니다. 맘다니-아실란(Mamdani-Assilan) 퍼지 추론 시스템을 통해 잠재적인 동위원소 봉투 구성원을 1차적으로 식별한 후, 이들의 공간 분포를 2차적으로 분석합니다. 각 분석물의 공간 분포는 조직 전체에 걸쳐 m/z별 피크 강도를 반영하는 분자 분포 공간 맵으로 시각화됩니다. 동위원소 봉투 내 구성원과 비구성원 간의 공간 맵 차이를 측정하기 위해 여러 이미지 텍스처 측정 지표가 적용되었습니다. 이를 기반으로 나이브 베이즈(Naïve Bayes) 분류기를 사용하여 피크를 동위원소 봉투 및 비동위원소 봉투의 두 가지 클래스로 분류했습니다. 이 방법은 신선 동결 및 포르말린 고정 파라핀 포매 조직을 포함한 8개 MALDI-MSI 데이터셋에서 평가되었습니다. 퍼지 추론 시스템 기반 필터링은 추가 분석이 필요한 후보 피크 쌍의 수를 효과적으로 줄였으며, 이후 공간 분포 기반 분류는 88.12–94.12%의 재현율, 72.95–85.71%의 정밀도, 그리고 99% 이상의 특이도를 달성했습니다. 전체 탈동위원소화 정확도는 96.98%에 이르렀습니다. DeisoLAB은 MSI 데이터의 고유한 특징인 공간 분자 분포를 활용하여 개별 동위원소 봉투의 차별화 가능성을 크게 확장합니다.