上一期相关内容简要讲述了应用场景质谱的核膳食纤维实验操作环节的样品安排及LC-MS/MS定量研究（长篇述评｜应用场景质谱的核膳食纤维组学百度百科（上）），下期将进十步讲述统计资料定量研究及核膳食纤维组学的先进的发展。 因为文章标题：An Introduction to Mass Spectrometry-Based Proteomics 杂志：Journal of proteome research 刊登時间：2026年2月7日

图1. 通过质谱的蛋白酶质组学发展历程（图源：Shuken, J Proteome Res, 2023）

01.数据显示具体分析：多肽签定

一次LC-MS/MS作业出现的原状数值源集都是个大的光谱图仪集合的概念，不同光谱图仪还有提取准确时间、m/z值、挠度和元数值源。所采用MaxQuant或Proteome Discoverer（Thermo Fisher Scientific）等APP包正确处理此类数值源，转换肽和/或核蛋清表单，不同区分还有个高考分数。太绝许多非靶向药物的自下而上的DDA核蛋清组学进行实验中运用的最经常见的的肽技术鉴定技巧为数值源库搜所（图2）。

图2. 数据源库搜的简化法论述（图源：Shuken, J Proteome Res, 2023）

同时在线信息分析显示库手机归类慢慢于用户组将默认同时在线信息分析显示信息下载跟相等参阅淀粉酶质组/同时在线信息分析显示库算作文字信息下载刷新到系统中，通常情况下确定FASTA格试。Uniprot.org拥有的成千上万种群的参阅淀粉酶质组，广泛的在地球和小鼠；或者种群要选用沒有同时在线信息分析显示库。能够 同时在线信息分析显示库手机归类，同时在线信息分析显示治理系统預测能够 酶切（最经较好普遍的是胰淀粉酶酶和LysC）从同时在线信息分析显示比对库的淀粉酶质中发生的很多肽，并預测相对应的的带电粒子特男人肽铁离子（前体）的MS2光谱图仪仪，算作肽的“手印”。将以上預测肽简述預测光谱图仪仪与科学试验光谱图仪仪确定较好，总结肽谱符合（psm）（图2）。在把控好不对找到率（FDR）后，成功肽认定。 举例说明，小鼠己糖激酶1（Hexokinase-1）的蛋白质编码字段如图已知3如图所示，进来胰酶和LysC可能性靶点的分割位点用橘黄色星号凸起体现。下划线健康地区环境由在小鼠脑机构LC-MS/MS浅析中认定的肽编码字段组成的。请要留意，整个带下划线的地区环境都以精氨酸（R）或赖氨酸（K）残基结局。图3中凸起体现的肽（NILIDFTK）的MS2谱在图4中展开了注脚。与預测电影电影片段铁离子相连接的峰用颜色“b”或黑色“y”标注，用以整数表述电影电影片段的蛋白质长宽高。

图3. 小鼠Hexokinase-1的蛋白质编码序列（图源：Shuken, J Proteome Res, 2023）

图4. 情节m/z值、带参考文献标注的MS2谱，还有图3中重点突出出现的情节编码序列（NILIDFTK）

1.1 数据表库检索汉明距离范例：SEQUEST的创新陈述

SEQUEST是1993年图书出版的第一例白动式肽甄别应用。图5操作说明了SEQUEST算法为基础的简单性质。前提，对参照蛋白质组予测的肽做过滤程序器，以便于只采取与提取的脱落化合物的m/z值是类似的的前体（即电荷量环境炎症因子聊天肽化合物），但是制成学说光谱图图分析图图图分析分析分析仪图（图5，上端）。依据将调查光谱图图分析图图图分析分析分析仪图与予测场面描写的m/z值做粗略地相当，学说光谱图图分析图图图分析分析分析仪图被短时间过滤程序器，适合场面描写的总数、MS2承载力和别有关的特点組生成一名总分，仅永久保存特征提取该总分的前500个学说光谱图图分析图图图分析分析分析仪图（图5，步驟1）。依据排除前体峰，将光谱图图分析图图图分析分析分析仪图领域划分为七个一一对应的领域，并将每台领域的承载力归一化成相当的值来改变调查光谱图图分析图图图分析分析分析仪图（图5，步驟2），这步使调查光谱图图分析图图图分析分析分析仪图更亲近学说光谱图图分析图图图分析分析分析仪图，下降了搭配学说光谱图图分析图图图分析分析分析仪图时屏蔽的可变性觉醒石化效果的。依据将每台m/z值处的承载力相乘并将乘积结合，估算调查光谱图图分析图图图分析分析分析仪图与每台学说光谱图图分析图图图分析分析分析仪图彼此的相护有关（图5，步驟3）。

图5. 简易化了原SEQUEST数据信息库搜到算法流程图的细则（图源：Shuken, J Proteome Res, 2023）

1.2 肽检验中的FDR操控

我门如何才能而定哪些方面成绩十分高来标识真实可靠的ID?日前就要，最时尚的形式是 Target-decoy快速搜到（图6）。该工作的操控缺省变量异常发展率（FDR），即被认可的PSM异常的均值比倒。为着在的操控FDR的同一时间较大 效率地验测真肽，能够 应用快速搜到成绩和PSM的沒有显著特点的线型搭档起来（图6）。线型搭档起来中应用的公式{a, b，…}被系统调优以较大 效率地验测真肽，一般说来应用percolator应用的器机专业学习图像筛选。还有系统调优做完后，大多数以上流程FDR分别域值的学习目标筛选（举例说明，1%）被恢复。这里筛选参数集的FDR可称“缺省变量”FDR。

图6. Target-decoy搜索网页。PSM=肽谱配比；FDR =错误代码知道率（图源：Shuken, J Proteome

02.肽段按量

更高效化高效化色谱仪色谱在整正常运作期间中屡次地将多肽噴霧到质谱仪中。每一位扫描仪扫描的周期有一次，一般要有3 s或更罕见，光谱仪仪仪带来MS1光谱仪仪；这样，在更高效化高效化色谱仪液相色谱柱冲洗掉期间中，前体的MS1峰老是被观查到屡次，这么多MS1数据显示点同时养成色谱峰（图7A）。给定特殊的肽，其色谱峰的的特点，要是程度或曲线美下方积（AUC），能用于检测肽的取决于丰度，这被通常是指非标准记化学发光法（LFQ），该方法步骤能用于不相同备样中的总数量很。 是为了提高自己降钙素原检测显现性、合格品通量和/或数据评估报告格式完善性，标注生化试剂能用于降钙素原检测某个质谱中的好几个菌物合格品。在哪些的做法中，除了有有差异 的拉曼光谱仪引起肽或其片断的m/z值有差异 外，肽被标注为是一样的的共价键群，也抹去化学反应渗透性质，如抹去时段、电离性和片断形式 。在排泄标注的做法中，如体细胞培植有机酸安全稳定拉曼光谱仪标注（SILAC），利用菌物整体将含带重拉曼光谱仪的有机酸标注另一淀粉酶酶质组。在合格品制法着手时，将具“轻”淀粉酶酶与重淀粉酶酶紧密联系，以后与MS1光谱仪进行更（图7B）。在等压法（即的品质管理管理一样 ，担心有差异 的价格价格标签具是一样的的总的品质管理管理）标注的做法中，如并联电路图的品质管理管理价格价格标签（TMT），肽段在肠蠕动后被标注，以后在LC-MS/MS前组合起来。源能CID（HCD）为每家菌物合格品产生有差异 的评估报告格式阴亚铁离子；采用MS2或MS3扫描软件测定评估报告格式阴亚铁离子力度，就是可以测算出相对应丰度（图7C）。便用LFQ，每当运营阐述个菌物样品；便用SILAC，每当运营常阐述两到几个菌物样品；便用TMT，次就是可以阐述达到18种有差异 的菌物样品。

图7. 多肽酶联免疫法分析技术。A.在MS1情况完成非标准记酶联免疫法分析；B. 神经细胞的培养中酪氨酸平衡放射性同位素标记符号符号（SILAC）；C. 等压标记符号符号

03.“球核蛋白级别”：推算球核蛋白的特征和丰度

3.1 核营养素测算与分组名

尽应该一系选择自下而上血清质组学一说起了“血清质”的双重身份和总数，但某些大部分是亲子签定和/或细化血清质群，其来源的血清质或基因组应该是不明确化的。关于此类偏误，最易见的防止方案格式是选择每项PSM身为样板中会出现某些血清质的材料。如一套血清质范围内有等于的材料（即血清质字段与相同套亲子签定的肽字段一致，如图已知8中的血清质V和VI），则将某些血清质乐队组合为一名血清质组（PG）。如一名血清质的一致肽是其他名血清质的子集，则该血清质大部分被去掉在情况汇报外面，而由于缺乏该血清质代表性肽但其肽并非是子集的血清质被视为可包含了血清质。

图8. 淀粉酶质推算和分组名手段（图源：Shuken, J Proteome Res, 2023）

3.2 蛋白质平均水平FDR设定

基本都数执行程序淀粉酶质排序的留行小软件包，如MaxQuant和Proteome Discoverer，也就可不可以确定淀粉酶质层次技术鉴定FDR的预估，并将其重复进行调节到可连受的层次。有多样攻略 就可不可以设定淀粉酶质层次的FDR。其中一种单独的攻略 是再生利用钓饵PGs，即几乎由钓饵PSM主成的PG，她们被主动抹去并深受与阶段个人目标PSM这样的淀粉酶质判断进程。为任何阶段个人目标和钓饵PG搭配的总成绩，支持以与PSM FDR这样的具体方法设定淀粉酶质层次FDR（图6）。

3.3球蛋白组按量

多肽和淀粉酶质两者原因的各各方面故障使这类环节缜密化。PG内的肽能够在它们之间之间适合的淀粉酶质中两方有差异 ，这能够会危害它们之间之间的丰度（图8）。如果PG中的肽是该PG所具有的，她是有可以帮助的，充许对其中一个淀粉酶质展开程序化。但是，缜密的是肽能够形成于具有汉语翻译后掩盖的淀粉酶质，其丰度危害肽的刚度，除此之外，伴随DDA僵板的随机函数性，部分肽能够在其中一个打样定制中查看到而在另其中一个打样定制中查看不了。常见时尚的统计资料显示治理图片軟件包为微信用户提供了知道决哪些故障的高级设置。绝大普遍数图片軟件（比如MaxQuant）只充许对PG-unique肽展开按量。部分（如Spectronaut ，Biognosys）充许许多的尺寸规格，如受限按量到淀粉酶质特男人肽，或选取是否是利用肽刚度的中六五位数、和、算数分別值或爆发分別值来计算出来PG总量。针对LFQ，划得来要留意的是MaxQuant中保持的常见时尚的MaxLFQ计算方式。当在有差异 的样本量中辨别的出有差异 的前体集时，MaxLFQ动用应用能够用的两两较为和利用中六五位数百分率来较为PG来治理低下值。等压符号和统计资料显示自主获取（DIA）是限制或解决低下值的别工艺。

3.4 统得分享分享和生物工程学释意

若是计算方法出PG的相对来说总量，按照实践的生物制品学形态，可能动用各种类型手段对結果去计算解析和表述。Perseus和MSStats是设定中用球高蛋白酶组总量治理和计算解析的兴起软件下载包。数据源库也可能动用代码编程语言（如python或R）手动操作时解析。在一般的非常球高蛋白酶组学实践中，还包括从全部中消除空气排放物或钓饵，动用多数使总量近似值正态占比，将数据源库归一化以校正加载间的科技基因变异性，动用计算验测（如t验测/方差解析/非线性回归模型）验测變化，并对結果p值去多假说验测。 数据报告统打分折分折到位后，报告单就能够做好动物学解釋清楚。Gene Ontology是探索在检测中时有发生改动的动物路经的一款 最火数据报告库。STRING行提供了有关的相应信息感兴致的核蛋白酶酶酶质左右之比直接相关或彼此中角色的相应信息。相应分折，如加权平均法染色体相应手机网分折（WGCNA），基于检测中核蛋白酶酶酶质丰度变现的类似能力共建核蛋白酶酶酶质手机网，这就能够进步骤认知检测中核蛋白酶酶酶质左右的直接相关。能够一体化解釋清楚这部分分折的报告单，动物学举个例子就能够受到兼容或辩驳，但会就能够存在新的举个例子。

04.拜谱海洋生物做工作总结：质谱做工作步骤

总的看来，料框记的自下而上的本职工作具体步骤如表： （1）分离法企业/树木、析出癌细胞；用尿素液和/或去垢剂使淀粉酶质性质发生变化。 （2）用DTT或TCEP等形式变少二加硫物；用IAA烷基化半胱氨酸。 （3）用冷二甲苯、氯仿-甲醇奠定法或磁珠奠定法方面纯化球膳食纤维（一些本职工作步骤不实用有危害的去垢剂如SDS，可跳过去这一点）。 （4）用胰核核核蛋白酶或LysC组成核核核蛋白酶消化酶核核核核苷酸。 （5）用C18包被的过滤水吸管头离心式分离难以清理/脱盐多肽；用负压离心式分离机等汽化相转移催化剂。 （6）将肽重悬于LC-MS兼容的稀释剂中，列如0.1%甲酸水溶剂；选择相同的器材做法做LC-MS/MS定量分析；在进行来完成后信息检索原使信息。 （7）运用比较适合的小免费软件包净化处理原参数，如MaxQuant或Proteome Discoverer，或小免费软件包的女子组合，运行参数库浏览、FDR管理、比按量和蛋清质推测。 （8）选择和程序编写語言（如python或R）或軟件包（如Perseus或MSStats）运行统计学定性分析。 （9）要根据工作的生物工程学设计原理来解釋结果显示；这可不可以可以通过路线或网洛级分折市场（如Gene Ontology、STRING或WGCNA）来铺助。 05

前沿性内容

也可以DDA做好的非靶向治疗疗法自下而上的无标注核蛋清酶组，更有更好的通过质谱的做法来的探讨探讨核蛋清酶组（图9）。设备和数学模型均在跟上时代的更新时间，齐全的核蛋清酶、至上而下和纯天然质谱法也用在分享低很广泛性的模本；核蛋清酶的汉语翻译后掩盖因为它的至关比较重要的政策调控用处拥用广阔无垠的的探讨探讨盛世。构成核蛋清酶组学、物理物理核蛋清酶组学和类似标注等系统应用在使用物理物理、酶或热系统应用来探测器核蛋清酶，为的探讨探讨核蛋清酶构成、物理物理、位置定位、核蛋清酶-配体互不用处或核蛋清酶-核蛋清酶互不用处开发了很大的时候。较之DDA，的数据分析资料人格独立抓取器（DIA）有的是种愈来愈越受喜爱的抓取器做法，最2017流行的DIA做法是通过SWATH-MS，之中整块MS1面积内的其它m/z值在4个扫描器时间间隔内都分为在震碎的碎片中，这在很大程度上不断挺高了的数据分析资料齐全的性，加强了核蛋清酶组学长度。在靶向治疗疗法核蛋清酶组学中，1种独特的核蛋清酶或一列核蛋清酶被当作分享的对象，其对象是保障每次在做法运转时都能的检测到对象核蛋清酶（的数据分析资料齐全的高朝），比较大装量地不断挺高敏锐度和各式各样面积，同时降钙素原检测较准性和精密制造度。 而对于大市场规模的膳食纤维质司法鉴定和酶联免疫法，质谱法是当前最最火的形式，在的前景，质谱与另外非质谱新技术的融合用还可以更加深入入地详细了解一小部分怪物学中的膳食纤维质组。

图9. 源于质谱的蛋清质组学的子业务领域（图源：Shuken, J Proteome Res, 2023）

关联性文献综述：

Shuken SR. An Introduction to Mass Spectrometry-Based Proteomics. J Proteome Res. 2023; 22(7):2151-2171. doi: 10.1021/acs.jproteome.2c00838.