质谱报告里的Data、Plot、Protein、Peptide、Score分别怎么看？

不管用MaxQuant、Proteome Discoverer还是Mascot，一份标准质谱报告通常包含这几块：

回到那个客户的问题来看，5200个蛋白听着不少，但把TIC图调出来细看，其实问题不少。我们发现，近300个蛋白只有1个shared peptide支撑，一批角蛋白和胰蛋白酶污染没去掉，还有几个分数卡在阈值边缘的"擦边球"蛋白。去掉这些，真正可靠的鉴定大概4300出头。

同样是"鉴定到5000个蛋白"，FDR设1%和设5%出来的结果质量天差地别；用Swiss-Prot和用TrEMBL数据库，数字也会差很多。不看条件只看数字，等于白看。

所以说，看质谱报告要建立自下而上的证据链：

我每次拿到新数据，第一件事从来不是看鉴定了多少蛋白，而是把TIC图调出来。

图1. 复杂样品的总离子流色谱图（TIC）。三张生物学重复叠加，可直观比较重复性和信号强度。图片来源：ResearchGate公开文献。

TIC是每个时间点所有MS1离子强度的总和。正常的TIC应该是：前几分钟信号低（脱盐阶段），随有机相升高形成宽的"山丘"状分布，梯度末端逐渐回落，整体平滑无突变。

这些异常要警惕：

图2. 肽段标准品的基峰色谱图（BPC）。14个标准肽段分离良好，峰形尖锐对称，是色谱状态良好的典型表现。图片来源：Sigma-Aldrich技术资料。

BPC只取每个时间点强度最高的离子，比TIC更能看清单个肽段的峰形和分离度。看BPC主要看峰容量（梯度内能分辨多少独立峰）和峰形（对称高斯形为好，拖尾说明柱效下降或溶剂效应）。

MS/MS谱图是鉴定的根本。一张好谱图应该碎片丰富、b/y离子系列完整、信噪比高、基线干净。我做项目有个习惯，随机挑几张谱图亲自看——如果一张谱图只有三四个碎片峰，软件却给了高分，这种匹配很可能是碰巧对上的。

图3. 两个代表性肽段的标注MS/MS谱图。图片来源：Creative Proteomics公开资料。

快速判断数据采集是否正常

图4. Bottom-up蛋白质组学工作流程。蛋白经酶解为肽段，LC分离后质谱采集，MS/MS谱图经数据库搜索完成鉴定。图片来源：The Analytical Scientist。

目前绝大多数蛋白质组学用bottom-up策略：先把蛋白用胰蛋白酶切成肽段，质谱测的是这些肽段。蛋白的身份是通过"它产生了哪些肽段"来推断的。

这意味着：你看到的"鉴定到蛋白X"，本质是"检测到了若干个可归属于蛋白X的肽段"。如果这些肽段证据不够硬，蛋白X的鉴定就存疑。

图5. 肽段碰撞诱导解离（CID）与MS/MS碎片离子标注示意。图片来源：NCBI Bookshelf。

讲一个真实的项目案例。前几年做肿瘤标志物筛选，差异蛋白里发现一个很有前景的激酶候选，ELISA验证也做了，课题汇报过了两轮。后来细看肽段证据 —— 支撑它的3个肽段全是shared peptide，同时属于同家族另一个激酶，而那个同源激酶的表达量是候选蛋白的十几倍。

用针对候选蛋白unique peptide的抗体做PRM验证，根本检测不到。那几个shared peptide大概率来自高丰度同源蛋白，软件把它们分配给了低丰度候选。项目差点走了弯路。

三个常见的坑：

看peptide要同时看质量（打分分布）、性质（unique/shared比例）、分布（序列覆盖均匀度）。

Protein ID、Protein Group、Protein Score

Sequence Coverage是鉴定到的肽段覆盖的氨基酸数占蛋白总氨基酸数的百分比。高丰度蛋白的coverage通常较高，但coverage和丰度绝不是等价关系。

coverage受蛋白长度（短蛋白更容易高coverage）、酶解效率、肽段离子化效率、跨膜区（膜蛋白coverage通常偏低）等多种因素影响。它的正确用法是：同一蛋白不同条件间的比较（提示降解或截短），或作为鉴定可靠性的辅助证据。不要拿它直接当丰度用。

图6. 基于高分辨质谱的蛋白序列鉴定与覆盖度分析流程。图片来源：MtoZ Biolabs公开资料。

蛋白推断的核心是"奥卡姆剃刀"原则 —— 能用最少的蛋白解释所有肽段，就不引入更多蛋白。

MaxQuant里的razor peptide就是这个逻辑：一个shared peptide同时属于多个蛋白组时，分配给unique peptide最多的那个组 —— 因为它的证据最充分，这个shared peptide最可能来自那里。但razor的分配是概率推断，不是确定事实，所以定量时默认只用unique+razor peptide，shared peptide不直接参与定量。

搜库打分的本质是衡量实验MS/MS谱图和理论肽段谱图的匹配程度。软件根据肽段序列预测应该产生哪些b/y碎片离子，然后和实验谱图的峰做比对 —— 匹配越多越准，分数越高。

肽段水平，针对单个PSM。常见的有Mascot ion score（-10×log10(P)，概率打分）、Andromeda score（概率打分，针对高分辨率优化）、SEQUEST XCorr（互相关打分，量纲完全不同）。

蛋白水平汇总，通常是该蛋白下所有肽段打分的组合。Mascot官方明确说过，MS/MS搜索中的protein score不是概率估计，只是方便排序的数值。真正的可靠性要看FDR。

这是很多人踩过的坑。Andromeda（MaxQuant）的论文里专门比较过：Andromeda score和Mascot score大致满足 M = 0.311×A - 32.231，也就是说Andromeda的分数大约是Mascot的3倍。这不是因为Andromeda"更灵敏"，而是打分尺度不一样。

SEQUEST的XCorr就更不一样了，通常在1-5之间。拿XCorr=3和Mascot score=80比，就像拿3米和80公斤比大小——完全不是一个东西。跨软件比较鉴定结果，应该在统一FDR阈值下比鉴定数量或overlap，而不是比score。

单独看score的根本问题是：你不知道多少分算"够高"。数据库越大，随机匹配概率越高，阈值就越高。FDR解决了这个问题。

搜库时除了目标数据库（target），还加入反向序列的诱饵数据库（decoy）。decoy是人造的，样品中不可能存在，所以匹配到decoy的一定是假阳性。把所有PSM按score排序，数到某个位置时target数为T、decoy数为D，FDR≈D/T。设定1% FDR就是找到FDR=0.01对应的score位置，只保留高于它的PSM。

FDR是统一的、可比较的质量指标——不管用什么软件、什么参数，1% FDR的含义一样。这就是为什么审稿人一定会问FDR设置，而不是问score阈值。

一个被广泛误解的概念。1% FDR不是"每个鉴定到的蛋白都有99%的概率是真的"，而是"在所有通过筛选的鉴定结果中，预期有1%是假阳性"。

比如说在1% FDR条件下鉴定到了5000个蛋白，预期其中约50个是假阳性，但你不知道具体哪50个。因为每个蛋白的实际置信度差别很大 —— score特别高的几乎是真的，刚好卡在阈值附近的可能只有90%多。

还要区分三个层面的FDR：PSM-level、peptide-level、protein-level，计算方式和阈值可以不一样。MaxQuant默认三个层面都设1%。对于特别重要的结论，最好用Western blot、PRM、ELISA等正交方法验证。

用四个"不一定"收尾，这是我这些年见过最多、也最容易导致错误结论的误区。

鉴定数受FDR阈值、数据库大小和版本、搜库参数、样品质量、梯度时长、仪器灵敏度等太多因素影响。为了追求数量把FDR放到5%，或者把只有1个shared peptide的蛋白也算进去，多出来的蛋白里有相当比例不可靠，会污染后续的差异分析和富集分析。我更看重的是：严格1% FDR下鉴定数是否合理、重复间overlap多高、定量CV多大。

Score是相对指标，含义取决于软件、数据库和参数。Mascot 80和Andromeda 200可能置信度差不多。而且score高只说明谱图匹配得好，不代表蛋白身份一定对——高质量谱图匹配到错误肽段（数据库缺正确序列、修饰设错），score也可能很高。必须结合FDR，关键蛋白还要亲自看谱图。

Coverage和丰度有相关性但绝不等价。100aa的小蛋白2个肽段就有30% coverage，5000aa的巨蛋白20个肽段可能还不到5%。膜蛋白因跨膜肽段难检测，coverage通常偏低。要比较丰度请看LFQ intensity、iBAQ、TMT reporter ion这些专门的定量指标。

很多时候，10个shared peptide还不如2个unique有说服力。同样20个score刚过阈值的"擦边球"，不如5个高分高质量肽段。15个集中在N端的肽段，不如8个均匀分布的。所以，肽段证据讲究多维度考量，同时看质量、性质、分布，都过关才行。

质谱技术发展到今天，仪器越来越灵敏，软件越来越智能，但恰恰是在这种"数据爆炸"的时代，我们更需要回到基本面，认认真真看每一张谱图、每一个肽段、每一个打分。软件可以帮你完成搜库、打分、FDR控制，但它不能替你判断一个结果是否可信、一个发现是否有意义。

点击文末阅读原文，

获取专属蛋白质组学实验方案~