打开 Proteome Discoverer 的结果,有时会同时看到谱图匹配数、肽段数、蛋白编号数和蛋白组数。它们不相等并不一定表示分析出错。一个谱图支持一条肽段,一条肽段又可能同时映射到多个蛋白,证据从低层级汇总到高层级时,需要处理这种无法直接区分的关系。
本文用一个可以逐步核对的原创例子说明这个问题。通过过滤后,七条谱图匹配记录对应四种肽段标签和五个候选蛋白编号,作者的简化集合模型只需要三个蛋白组就能覆盖这些肽段。这个结果来自实际执行的 Python 练习,没有安装或运行 Proteome Discoverer,也不是该软件原生算法的复现。

先分清处理工作流与汇总工作流
理解结果前,先确定自己拿到了哪一阶段的产物。Proteome Discoverer 的分析可包含处理步骤和共识汇总步骤。处理步骤围绕单个文件及相应搜索任务组织计算,共识工作流则可以把处理结果连接到肽段组、蛋白层级和注释等后续内容。
官方三点二版分析窗口说明指出,已经完成处理步骤的结果,可以通过 MSF 文件进入共识工作流。这个区分有助于定位问题,搜索结束但没有得到预期蛋白汇总时,应先检查后面的工作流是否存在并完成。
这不意味着所有修改都能只重跑汇总。改变搜索数据库、酶切规则或修饰设置,可能影响之前产生的谱图匹配,不能继续把旧搜索结果当作新参数的结果。需要重算到哪一步,应由参数影响的证据层级决定。
复核时可以把处理与共识工作流分别保存,并记录实际软件版本、节点设置、序列库及输入文件。只保存最终电子表格,会失去判断某条蛋白证据从何而来的能力。尤其在前后两次蛋白组数不同时,配置记录往往比单独比较总数更有价值。
多条谱图不一定带来新的区分能力
同一种肽段可能被多次采集,也可能在不同文件中反复出现。重复观测能够增加某些层面的支持,但如果这些肽段都由两个候选蛋白共同拥有,它们仍然不能帮助区分这两个蛋白。证据数量与证据的区分能力,是两个需要分别讨论的问题。
例如,蛋白 A 和 B 都能产生肽段 p1 与 p2。无论看到一条还是多条 p1 的谱图,只要没有其他能够区分 A 与 B 的观测,就不能把它们当作两项独立确认。把相同肽段多次出现解释为多个蛋白分别得到支持,会放大结论。
这里的 p1 等只是作者为画清关系使用的标签,没有提供真实氨基酸序列,也没有进行理论酶切。我们已经给定肽段与候选蛋白的映射,再研究这些映射允许怎样的解释。它是结果审阅练习,不是从真实谱图发现蛋白。
用五个候选编号建立一张证据关系表
练习设定 A、B 的观测肽段都是 p1 和 p2,C 由 p2 与 p3 支持,D 由 p4 支持,E 在过滤后只剩 p2。原始表还含一条连接 E 的低置信 p5,用来观察质量过滤与蛋白分组之间的关系。
| 候选编号 | 通过过滤的肽段 | 本例中的解释 |
|---|---|---|
| A 与 B | 都是 p1、p2 | 当前证据不能区分 |
| C | p2、p3 | p3 提供额外区分 |
| D | p4 | 有独立的支持标签 |
| E | 只有 p2 | 现有其他组已覆盖该证据 |
这张表不是一份完整的鉴定报告。它省略了电荷、修饰、谱图质量和蛋白序列等信息,只保留理解分组所需的连接关系。简化的好处是能够手工核算每一步,代价是不能用它评价真实软件的准确率或复杂数据处理能力。
作者脚本先过滤谱图记录,再为每个蛋白收集通过过滤的不同肽段标签。重复出现的 p1 只在集合中保留一次,因为这里讨论的是有没有这种区分证据,而不是强度汇总。这个去重目的不能与定量流程中的肽段选择混为一谈。
相同证据归为一组,再检查是否必须增加新组
在简化模型中,A 与 B 拥有完全相同的观测集合,因此被归到同一组。C、D、E 各自形成其他候选组,共得到四个初步组。随后脚本枚举这些小集合的组合,寻找能够覆盖全部通过过滤肽段的最少组数。
结果需要 A/B、C 和 D 三组。A/B 负责覆盖 p1,C 提供 p3,D 提供 p4,而 p2 已经被前两组覆盖。E 没有增加必须单独解释的观测,所以在这个最小覆盖模型中不再另列一组。
这只能说明当前证据不要求额外引入 E,不能证明真实样品中 E 绝对不存在。未被区分的蛋白可能确实存在,只是现有观测没有提供区分依据。结果审阅应保持这种信息边界,不能把“缺少独立证据”写成“生物学上不存在”。
官方蛋白分组说明还包含谱图匹配歧义和环状共享关系的处理。本文的集合枚举没有实现这些步骤,也没有模拟主蛋白选择。因此,下面的三个组是原创模型的输出,不能说成 Proteome Discoverer 对同一文件必然给出的结果。
实际运行后的几种数量怎样对应
原创输入共有八条谱图匹配记录,其中三种肽段标签各重复出现两次,另外两种各出现一次。设定低置信的 p5 不通过当前阈值后,留下七条记录与四种不同肽段标签。这些标签总共连接到五个候选蛋白编号。
脚本使用 Python 标准库,本次实际执行版本为三点一四点三。运行后保存原创输入与完整结果 JSON,包含过滤前后关系、初步组、最小覆盖和被保留组。工作目录必须尚不存在,避免覆盖先前结果。
python run.py work265
| 统计对象 | 本例实际结果 | 不能替代什么 |
|---|---|---|
| 过滤后谱图匹配 | 7 条 | 不等于 7 种肽段 |
| 不同肽段标签 | 4 种 | 不等于 4 个独立蛋白 |
| 候选蛋白编号 | 5 个 | 不等于 5 个独立鉴定 |
| 简化模型最小覆盖 | 3 组 | 不代表原软件完整推断 |
输入中的 DemoQ 是作者为演示过滤设置的数值,不是从目标与诱饵搜索估计出的真实置信结果。脚本只执行“不大于百分之一”的规则,没有估计错误发现率。不能把一条人为低分记录被删除,解释为完成了正式质量校准。
组内独特与蛋白独特需要分开说
在保留的三组之间,p1 只属于 A/B 这一组,可以帮助区别该组与 C、D。但在原始候选蛋白之间,p1 同时属于 A 和 B,并不能决定究竟是哪一个成员贡献了信号。因此,“对这个组独特”与“对一个蛋白序列独特”具有不同含义。
这个差别会影响后续写作。若一个组包含多个不能区分的成员,却只挑第一个编号连接基因名称并作图,图形会显得清楚,证据却被人为缩窄。需要保留组成员信息,并在解释具体基因或亚型时查有没有额外的特异证据。
同样,不能把组成员拆成多行后,让每个成员都获得一份相同蛋白丰度,再把这些行当作独立结果统计。这会重复使用同一组证据。如何映射到基因层级,应事先定义规则,并记录多对一或一对多关系造成的变化。
独特性还依赖用于比较的候选集合。在一个只包含少量条目的序列库中看起来独特的肽段,加入新的同源条目后,可能变成共享肽段。因此,报告“独特肽段”时也应保留序列库版本和范围,不能把当前库中的独特直接推广为所有可能蛋白中的独特。
更新数据库后,若仍用旧的独特性标签连接新结果,就会把不同候选空间下的判断混在一起。可以先比较新增条目与原有支持肽段的对应关系,再决定哪些分组需要重新检查,而不是只更新蛋白名称和功能注释就结束。
官方Protein Grouping 节点说明介绍了主蛋白编号列及严格简约参数。主蛋白是报告组织中的代表信息,不能仅凭“主”这个名称就把其他可能成员排除。实际解释要回到支持肽段和当前分组结果。
一条低置信肽段怎样改变整个分组
我们保留其他输入不变,让低置信 p5 也进入集合。它只连接 E,于是 E 获得了其他组无法覆盖的支持,最小覆盖从三组增加到四组。这是作者脚本实际得到的结果,说明过滤不仅改变谱图表的行数,还可能改变高层级解释。
这种现象不表示应追求更严格过滤直到蛋白数最少。质量规则应根据分析方法和研究目的预先确定,不能为了得到期望的蛋白数量临时调整。反过来,也不能因为放宽规则增加了一组,就把新增数量全部当作灵敏度提升。
正式项目中,若某个重要结论依赖单条新增肽段,应回到其谱图、质量指标、序列唯一性和其他支持信息检查。尤其是亚型、变异肽段或修饰位点结论,不能只看上层蛋白表出现了一个新编号。
丢掉关键肽段也可能让两个候选组失去区别
第二个对照从已过滤数据中删除 p3 的全部支持,其余内容保持不变。C 此时和 E 一样,只剩 p2。两者在简化模型中归为同一个初步组,但这些观测又都可以被 A/B 覆盖,因此最小覆盖进一步降为两组。
这个对照提醒我们,蛋白组边界依赖实际观测到的肽段。不同样本、不同批次或不同质量过滤下,边界可能变化。直接根据一次导出时的行位置连接另一张表,会把同一行号误当成稳定的生物学对象。
比较两个版本的结果时,可以同时保存完整成员集合、支持肽段集合和分组参数。组名改变时,先判断成员或证据是否发生变化,再决定是否属于新增、消失或重新组织。只比较代表编号的交集,可能漏掉这种结构变化。
鉴定证据与定量证据还要再分一层
一个蛋白组被保留,不意味着它在所有样本中都有可比较的强度。鉴定回答当前证据支持哪些候选,定量还涉及哪些观测参与汇总、是否共享、是否归一化,以及缺失怎样处理。两类步骤相互关联,但验收标准不相同。
官方定量计算说明把原始定量值、汇总与后续处理放在相应节点中。读者拿到丰度或比值列时,应查明它的来源,不能仅凭蛋白组存在,就认为样本间定量已经足够可靠。
本文没有生成蛋白丰度,没有做归一化,也没有检验差异显著性。若将这个练习接入真实结果,首先需要核对实际导出的字段与软件版本,再明确各列对应的是谱图、肽段组还是蛋白组,不能把教学字段名直接当作通用导入格式。
把审阅变成一条可追溯的路径
面对一个重要蛋白结论,可以从组成员开始,找到支持肽段,再回到对应谱图匹配与过滤规则。随后检查有多少证据能够区分组之间的关系,又有多少能区分组内成员。这样提出的问题,比单独询问“蛋白数为什么少了”更容易定位原因。
Proteome Discoverer 的优势是用节点组织多种处理与汇总方式,便于保存分析结构。使用难点是节点组合、过滤条件和分组规则都会影响最终解释,图形界面并不会自动消除证据歧义。本文没有对它与其他软件作速度或准确率排名,也没有把原创练习称为商业软件实测。
这次练习可以帮助读者建立四种不同计数的对应关系,并亲自改变一条证据观察分组变化。真正有价值的结果不是某个更大的蛋白总数,而是每项结论都能说明由哪些观测支持,以及现有数据还不能区分什么。
下载原创练习、运行说明与核验结果(ZIP)。选择 Proteome Discoverer 目录,运行作者脚本即可生成关系表并比较三种证据条件。工作目录须尚不存在,不需要安装商业软件,结果只是简化集合练习。
当搜索与汇总工作流已经明确,需要安排批量质谱分析的运行环境时,可以了解云生信生物信息学分析服务器服务,先核对软件版本、可用节点和部署条件,再讨论实际计算需求。
