One of the revolutionary steps towards proteomics, was introducing mass spec-trometry to protein inference analysis. Its powerful aspects such as speed, and accuracytowards identifying and quantifying proteins have made it the first choice to obtain high-throughput data. Due to development of a variety of fragmentation techniques, massspectrometry-based analysis even made it possible to acquire knowledge about singlepolymorphisms and modifications of amino acids of a peptide.Although this technology provides enormous amounts of data, identification of theproteins is still a hard challenge to overcome due to the shortcomings of computationalmethods. Herein a novel methodology is offered to better analyze mass spectrometry dataand overcome the deficiency of protein identification algorithms in terms of speed andaccuracy.When the spectral data is acquired from an organism by mass spectrometry, databa-se search algorithms are used for protein identification if the protein sequences of theorganism are known. These algorithms compare the experimental data from mass spec-trometry analysis to theoretical data gathered from known databases of organism to tryand find the best match by ranking the PSMs via scoring functions.Since the databases can be too large to search and multiple databases with differentsizes can contain the peptides of experimental data, database search algorithms may failto produce fair, fast or complete results.In this work a methodology is presented to overcome unfair scoring of peptidesin different size databases and enable database search algorithms to utilize relatively bigsized entries such as human chromosome six frame translations. In terms of speed andaccuracy the method is found to be better than some of the existing methods.

Protein tanımlaması çalışmalarında kütle spektrometrinin kullanılması proteomikalanındaki devrim niteligindeki adımlardan biri oldu. Protein nicelik ve nitelik belir-lemelerindeki doğruluk ve hızlı olması gibi özellikleriyle, yüksek-işleme veri alımındakullanılmak üzere ilk seçim haline geldi. Farklı fragmentasyon yöntemlerinin geliştirilme-siyle, kütle spektrometri tabanlı analizler, bir peptiddeki tekli polimorfizmleri ve aminoasitlerdeki modifikasyonlarla ilgili bilgi edinilmesini bile mümkün kıldı.Bu teknolojinin muazzam ölçülerde veri üretmesine rağmen, protein tanımlamaçalışmaları, hesaplamalı metodların eksikliklerinden dolayı, aşılması güç bir hedef halinde.Bu çalışmada, protein tanımlama algoritmalarının protein belirlemedeki eksikliklerininüstesinden gelmek ve kütle spektrometri verilerini hız ve doğruluk yönlerinden daha iyianaliz etmek için orjinal bir algoritma önerilmiştir.Bir organizmadan kütle spektrometri aracılığıyla spektral veri elde edildiğinde,eğer organizmanın protein sekansları bilinmekteyse, protein tanımlaması için veritabanıarama algoritmaları kullanılır. Bu algoritmalar, peptid-spektrum eşleşmelerindeki en iyieşleşmeyi skorlama fonksiyonlarına göre bulmak için, kütle spektrometri analizlerindenalınan deneysel verileri, organizmaya ait veritabanlarından elde edilen teorik verilerlekarşılaştırır.Deneysel verilerin karşılığı olan peptidler farklı boyutlardaki veritabanlarında dağ-ınık halde olabileceğinden ve veritabanlarının arama yapılmak için fazla büyük olabile-ceklerinden dolayı, veritabanı arama algoritmaları adaletli, hızlı veya eksiksiz sonuçlarçıkarmakta başarısız olabilmektedir.Bu çalışmada farklı boyutlardaki veritabanlarında peptidlerin adaletsiz skorlamala-ra tabi tutulmasının üstesinden gelmek ve insan kromozomlarının 6 çerçeve translasyon-ları gibi göreceli olarak büyük boyutlardaki protein sekanslarının, veritabanı arama algo-ritmaları tarafından işlenmesini sağlamak amacıyla bir metodoloji sunuldu. Metodun, hızve doğruluk payı pencerelerinden bakıldığında hali hazırda kullanılan çeşitli metotlardandaha iyi olduğu bulundu.