如何预测目的蛋白修饰位点② | 标准化操作规程（SOP）—— 工具使用与参数清单
所属分类： 技术干货
发布时间： 2026-04-09
概要： 今天我们来分享目的蛋白修饰位点预测的实操指南，教大家怎么正确设置参数、怎么过滤低质量结果、怎么把预测的位点列表转化为可直接上机的质谱包含表。
在上一篇中，我们系统讲解了修饰位点预测的核心价值、三大方法体系和从预测到质谱验证的完整逻辑，很多读者留言说需要更落地的实操指南 —— 毕竟知道用什么工具只是第一步。怎么正确设置参数、怎么过滤低质量结果、怎么把预测的位点列表转化为可直接上机的质谱包含表，才是决定实验成败的关键。
今天我们就严格遵循领域标准SOP和前沿工具的默认最优配置，把从全景修饰初筛到质谱包含表生成的每一步都拆解成可直接复制的操作清单。所有参数均经过实验验证，覆盖前期准备、全景初筛、专项精细化预测、进阶验证、包含表生成全流程，同时附上全流程质控红线和不同研究需求的工具组合速查表。大家可以直接照着操作，避免踩坑，大幅提升实验效率和结果可靠性。
联系丸子，解锁更多小分子靶点筛选、蛋白互作技术干货~
前期准备
第一步：全景修饰位点初筛
访问地址：
对应官方Web服务器
输入：
目的蛋白FASTA序列
核心参数设置（默认最优，无需修改）：
❶ 物种选择：匹配实验物种
❷ 预测类型：勾选所有关注的PTM
❸ 置信度阈值：≥0.85
输出筛选：
❶ 保留Prediction Score>0.85的位点
❷ 记录位点编号、氨基酸类型、修饰类型、得分
注意：
对突变诱导的PTM重塑敏感，若研究致病突变可同步提交突变体序列
访问地址：
对应官方Web服务器
输入：
目的蛋白FASTA序列
核心参数设置：
❶ 预测模式：Multi-label PTM Prediction（多标签联合预测）
❷ 物种选择：匹配实验物种
❸ 计算资源：CPU（无需GPU，1000条序列/3分钟）
输出筛选：
❶ 保留Probability>0.8的位点
❷ 重点查看PTM Crosstalk面板，标记存在潜在共修饰的相邻位点
适用：
大规模蛋白批量预测、需要分析不同修饰间相互作用的研究
第二步：专项修饰精细化预测（按需选择）
工具：
GPS6.0
访问地址：
http://gps.biocuckoo.cn/
输入：
目的蛋白FASTA序列
核心参数设置：
❶ 预测类型：Kinase-specific Phosphorylation
❷ 物种选择：匹配实验物种
❸ 预测层级：勾选Kinase Group > Family > Single Kinase（全层级）
❹ 阈值设置：High（对应假阳性率最低）
输出筛选：
❶ 保留Score≥阈值的位点
❷ 记录上游激酶名称、家族、置信度得分
❸ 优先验证有明确激酶-底物关系文献支持的位点
工具：
NetAcet1.0
访问地址：
https://services.healthtech.dtu.dk/services/NetAcet-1.0/
输入：
目的蛋白FASTA序列
核心参数设置：
默认参数（无需调整）
输出筛选：
保留Score>0.5的N端乙酰化位点
注意：
仅预测N端乙酰化（NatA底物），不适用内部赖氨酸乙酰化
工具：
NetPhos3.1
访问地址：
https://services.healthtech.dtu.dk/services/NetPhos-3.1/
输入：
目的蛋白FASTA序列
核心参数设置：
❶ 勾选Generic（通用磷酸化）
❷ 勾选所有关注的17种经典激酶（如PKA、EGFR、p38MAPK）
输出筛选：
保留Score>0.5的位点
第三步：进阶验证（提升预测可靠性，推荐做）
访问地址：
对应官方Web服务器
输入：
目的蛋白FASTA序列
核心参数设置：
❶ 预测类型：26-types PTM Prediction + Mutation Evaluation
❷ 可解释性分析：开启Important Amino Acids计算
输出解读：
❶ 剔除预测得分低且位于蛋白疏水核心的位点
❷ 若研究突变，对比野生型与突变体的位点得分差异
从AlphaFold Database下载目的蛋白结构
查看位点的pLDDT得分：
❶ pLDDT>70：结构可靠，评估溶剂可及性
❷ pLDDT<50：区域高度柔性，可能存在隐蔽位点
重点关注：
重静态结构深埋但局部柔性高的位点（可能通过构象波动暴露）
工具：
PTMOverlay
输入：
❶ 目的蛋白及直系同源蛋白FASTA序列（人/小鼠/大鼠等）
❷ 前期预测得到的PTM位点列表
核心参数设置：
❶ 比对算法：MUSCLE
❷ 功能注释：导入KEGG注释文件（可选）
输出筛选：
优先验证在≥3个直系同源物种中保守的修饰位点
第四步：质谱包含表生成（可直接上机）
前置：
理论酶切与肽段过滤
工具：
Skyline开源软件
输入：
目的蛋白FASTA序列+高置信度修饰位点列表
核心参数设置（严格匹配自下而上质谱标准）：
❶ 酶切设置：
1.酶：Trypsin (P)（非脯氨酸前的R/K切割）
2.最大漏切数：3（修饰会阻断酶切）
3.肽段长度：8-18aa（电离与碎裂效率最优）
❷ 修饰设置：
1.固定修饰：Cysteine carbamidomethylation（半胱氨酸氨基甲酰甲基化）
2.可变修饰：仅添加前期预测的目标PTM（如Phospho(S/T/Y)、Acetyl(K)）
❸ 电荷态：勾选+2、+3、+4（最常见电荷状态）
关键过滤步骤（必做，降低假阳性）
❶ 序列唯一性筛查：
1.将所有理论肽段与参考蛋白质组进行BLAST比对
2.剔除任何与其他蛋白有≥7个连续氨基酸重叠的肽段
❷ 保留时间预测：
1.开启Skyline内置iRT保留时间预测
2.分配每个肽段的色谱流出时间窗（±2分钟）
最终输出
导出为对应质谱仪兼容的包含表文件（Thermo/SCIEX/Agilent等，Skyline直接支持）
包含字段：前体离子m/z、电荷态、保留时间窗、肽段序列、修饰类型与位置
全流程质控红线（一条都不能少）
不同研究需求的工具组合速查表
结语
以上就是从位点预测到生成质谱包含表的完整“保姆级”教程。从DeepMVP、GPS6.0到Skyline，所有的参数和标准大家都直接“抄作业”就行。在大家正式动手前，最后再啰嗦三句核心心法：
选对靶点，事半功倍：
很多时候实验做不出来，亏在“选错了位点”。这套流程就是帮你在干实验阶段精准“淘金”，让后面的靶向质谱指哪打哪，彻底告别盲测碰运气。
预测是起点，验证是王道：
算法算出来的只是概率，最终还得靠湿实验上机来拍板。当然，你做出来的新结果，也能反过来帮算法升级，这就是“干湿结合”的魅力。
死守质控红线：
PTMProphet定位得分必须>0.90！这是区分“肽段有修饰”和“确切知道修饰在哪”的底线，为了数据的可重复性，这点绝对不能妥协。
最后祝大家打谱顺利，早日把目的蛋白的修饰调控机制扒个底朝天！
联系丸子，了解更多~
推荐
谱度众合：最成本可控、结果有保障的蛋白修饰研究策略——目的蛋白修饰鉴定
蛋白质翻译后修饰是机制研究的“深水区”，天然修饰丰度往往很低需要经过富集才能高效研究，很多研究者认为研究修饰必然涉及成本较高的修饰基团富集，针对有明确通路或目的蛋白的场景，富集目的蛋白是一种成本更低、结果更可控的实验策略。
谱度众合推出目的蛋白修饰鉴定分析。可支持UNIMOD收录1000+修饰类型及自定义修饰基团，一次检测可同时分析多种修饰类型。可基于同位点非修饰肽段为基准计算每个位点的修饰程度，比较不同刺激条件下修饰程度的变化。同时我们配备行业领先的高性能质谱和专研的修饰高灵敏度质谱检测方法，配备评估修饰检测效能的质控体系及经验丰富的技术支持全程指导目的位点的检出。
✔ 常见修饰鉴定：支持UNIMOD收录1000+修饰类型，支持在一次检测中同时分析多种修饰类型。
✔ 自定义修饰鉴定：可自主定义修饰基团，支持自有化合物与药物靶点共价结合的结合位点发现。
✔ OpenSearch未知修饰鉴定：支持OpenSearch开放搜索，发现未知修饰类型及其位点鉴定。
联系丸子，了解更多~
推荐
谱度众合：最成本可控、结果有保障的蛋白修饰研究策略——目的蛋白修饰鉴定
蛋白质翻译后修饰是机制研究的“深水区”，天然修饰丰度往往很低需要经过富集才能高效研究，很多研究者认为研究修饰必然涉及成本较高的修饰基团富集，针对有明确通路或目的蛋白的场景，富集目的蛋白是一种成本更低、结果更可控的实验策略。
谱度众合推出目的蛋白修饰鉴定分析。可支持UNIMOD收录1000+修饰类型及自定义修饰基团，一次检测可同时分析多种修饰类型。可基于同位点非修饰肽段为基准计算每个位点的修饰程度，比较不同刺激条件下修饰程度的变化。同时我们配备行业领先的高性能质谱和专研的修饰高灵敏度质谱检测方法，配备评估修饰检测效能的质控体系及经验丰富的技术支持全程指导目的位点的检出。
✔ 常见修饰鉴定：支持UNIMOD收录1000+修饰类型，支持在一次检测中同时分析多种修饰类型。
✔ 自定义修饰鉴定：可自主定义修饰基团，支持自有化合物与药物靶点共价结合的结合位点发现。
✔ OpenSearch未知修饰鉴定：支持OpenSearch开放搜索，发现未知修饰类型及其位点鉴定。
参考文献
1. Krieger C, Everton Z, You Y, et al. PTMOverlay: A Proteomic Tool to Visualize Post-Translational Modifications Across Evolution. bioRxiv. Published online February 6, 2026. doi:10.64898/2026.02.03.703592
2. Han Y, He F, Shao Q, et al. MTPrompt-PTM: A Multi-Task Method for Post-Translational Modification Prediction Using Prompt Tuning on a Structure-Aware Protein Language Model. Biomolecules. 2025;15:843. doi:10.3390/biom15060843
3. Rauniyar N. Parallel Reaction Monitoring: A Targeted Experiment Performed Using High Resolution and High Mass Accuracy Mass Spectrometry. Int J Mol Sci. Published online December 2, 2015.
4. Gong S, Qu K. Role of Machine and Deep Learning in Predicting Protein Modification Sites: Review and Future Directions. Information. 2025;16:1023.
5. Nouri M. Mass Spectrometry of Protein Post-Translational Modifications Protocol. protocols.io. Published online January 15, 2026. doi:10.17504/protocols.io.6qpvry36bgmk/v1
6. Palma M. Workflow for Protein Structure Prediction, Refinement, and Validation. protocols.io. Published online August 27, 2025. doi:10.17504/protocols.io.dm6gpmz2dgzp/v1
关键词： 如何预测目的蛋白修饰位点② | 标准化操作规程（SOP）—— 工具使用与参数清单
相关资讯
双喜临门！谱度众合连获2026年“武汉市人工智能企业”和“武汉市大数据企业”双项殊荣
2026-07-30
谱度众合亮相贵州大学溪山生物医药创新论坛：高通量质谱技术驱动药物靶点精准筛选
2026-07-30
科研不容试错，标准铸就信任！谱度众合PRM靶向检测省级团体标准正式获批！
2026-07-30
二十年质谱技术沉淀助力于您的蛋白质研究
谱度众合是一家由武大生科院博士师兄弟创办的科研服务企业，团队延续课题组方向持续深耕专业领域20年，一直专注于利用质谱技术服务于生物标志物发现、药物靶点筛选、分子机制解析等研究领域，致力于为生物医学科研工作者提供靠谱的高效率科研工具。
业务咨询