暨大另类质谱鉴定算法策略大幅提高蛋白质组鉴定能力

　　鸟枪法质谱(shotgun mass spectrometry)是蛋白质组研究的标准研究方法。从质谱谱图中鉴定蛋白质需要依赖搜库算法,现有许多算法被开发出来，常见的如Andromeda(Maxquant), Mascot, COMPASS, X!Tandem, pFind, InsPecT, ProVerB, Dispec, MassWiz等，算法原理各不相同，各种搜库算法对同一质谱数据的鉴定结果互相存在很大差异，于是研究人员经常会面临“搜库算法哪家强”的纠结。也有一些策略试图在肽段水平上整合各算法的结果，如Scaffold, iProphet等，但效果都很一般。

　　之所以难以研发有效的整合算法，关键原因之一是所有的搜库算法都会产生一定的假阳性率（FDR），而由于长期以来受限于蛋白质组学技术的精度局限，某一细胞内总共有多少种蛋白质一直就没有标准答案，从而难以准确评价各种方法所带来的FDR，只能毛估，这样一来就存在着很大的不确定性。在没有标准答案的情况下，贸然合并多种算法的结果将导致假阳性率的迅速累积，使得最终结果变得很不可靠。

　　针对这一蛋白质组学界的“老大难”问题，暨南大学翻译组学实验室利用翻译组测序(RNC-seq)数据作为稳态细胞内蛋白质的“标准答案”，并另辟蹊径，提出了蛋白水平上的一种简单有效的多算法结果整合策略，不用做额外的实验，零成本轻松提高蛋白质组鉴定数量，同时有效降低假阳性率。

　　由于翻译组测序具有远高于蛋白质质谱的灵敏度和准确性，可以基本穷尽细胞中正在合成的蛋白质，因此被作为人类蛋白质组计划的核心支柱之一（Zhong et al., Journal of Proteome Research 2014），可以用作“标准答案”的基准来评价与整合各算法的蛋白质鉴定结果。分析显示，7种主流搜库算法各行其是，只有一半的蛋白质被所有算法鉴定到；与翻译组“标准答案”相比，其假阳性率都高达4-5%，远超过其自身预估的1%。因此，若取各算法的并集将导致假阳性率的进一步累积上升，若取各算法结果的交集将大幅度降低鉴定的蛋白质数量，皆不可取。

　　研究者注意到，那些仅被一个算法所鉴定到的蛋白质，其鉴定质量普遍较低，因此提出一种简便得出奇的整合策略：若有2个或更多个算法鉴定到了同一个蛋白质，则认为此蛋白质鉴定是可靠的。再次采用翻译组“标准答案”进行评价，发现此方法不但显著提高了蛋白质鉴定数量，也同时显著降低了假阳性率，提高了鉴定的可靠性。这一成绩大大优于传统的图谱或肽段水平的整合策略Scaffold和iProphet。

　　不仅如此，确认了可靠鉴定的蛋白质后，还可以发挥将各算法数学模型各自的优势，将所鉴定出的肽段直接全算在一起，取长补短，从而大幅度提高蛋白质的肽段覆盖率。此项能力不但优于所有的搜库算法，更是传统整合策略所望尘莫及的。

　　这项“7个算法中有2个算法鉴定到就算数”的蛋白质鉴定策略可以被应用于任何场合，发挥这种新策略的优势根本不需要任何额外的实验，只需要计算机多计算一会儿，几乎是零成本的。因此，这项成果将造福所有需要用到蛋白质组学的研究者，轻松实现“又要马儿跑，又要马儿不吃草”。

　　所以今后如果有人再问你“搜库算法哪家强？”你可以回答“取长补短见真章！”

　　该项成果2017年10月1日发表于人类蛋白质组计划的官方刊物Journal of Proteome Research, C-HPP Special Issue. 通讯作者是暨南大学翻译组学实验室的负责人张弓教授，翻译组学领域的建立者，其成果被选入国家统编教材。目前，张弓教授是中国生化与分子生物学学会蛋白质组学专业委员会(CNHUPO)理事，中国分子系统生物学专业委员会委员，国家优秀青年基金获得者，国家863青年科学家，国家万人计划“青年拔尖人才”，深圳市龙华区第一届政协常委。