Nature Methods
评估串联质谱蛋白质组学中的错误发现率控制

小赛推荐：

该研究系统性地评估了蛋白质组学中常用的错误发现率（FDR）控制方法，发现许多现有工具在FDR控制方面存在缺陷，特别是在数据非依赖性采集（DIA）分析中。文章提出了一种更有效的配对估计方法，为改进质谱分析中的FDR控制提供了理论框架和实验验证。

 

文献概述
本文《Assessment of false discovery rate control in tandem mass spectrom9etry analysis using entrapment》，发表于Nature Methods杂志，回顾并总结了蛋白质组学中错误发现率（FDR）控制的现状，指出多个常用DIA分析工具在FDR控制方面存在系统性偏差。文章通过引入‘entrapment’方法，结合理论分析和实验验证，对现有FDR控制方法进行了严格评估，并提出了一种新的配对估计方法以提高FDR估计的准确性。

背景知识
在质谱蛋白质组学中，FDR控制是评估鉴定结果可靠性的重要步骤。传统方法如Target-Decoy Competition（TDC）在某些条件下被证明有效，但当应用于DIA等更复杂数据类型时，其控制效果可能下降。尤其是单细胞蛋白质组学数据，FDR控制效果更差，影响下游分析的可信度。文章通过entrapment实验，系统性地评估不同FDR估计方法的有效性，揭示当前工具在控制FDR方面的不足，并提出改进策略。

 

赛业生物提供蛋白功能研究、疾病机制探索、药物靶点验证和药物筛选服务，支持从模型构建到机制验证的全流程支持。

了解更多

 

研究方法与实验
文章通过entrapment实验方法，系统评估FDR控制效果。该方法通过在目标数据库中引入已知为假的‘entrapment’肽段，模拟实际鉴定中的假阳性情况。作者比较了四种FDR估计方法：下界（lower bound）、样本法（sample method）、联合法（combined method）和配对法（paired method），并应用这些方法到多个DDA和DIA工具中，以评估其FDR控制效果。实验涵盖了不同规模和复杂度的数据集，包括ISB18控制数据集和HEK293细胞系数据，以确保结果的可重复性和广泛适用性。

关键结论与观点

• 联合法（combined method）在r=1时提供FDP的上界估计，但若忽略1/r项则变为下界估计，导致FDR控制评估不准确。
• 配对估计方法（paired method）提供更紧密的上界，相较于联合法更为准确，尤其在小r值和高比例真实肽段的情况下。
• 多个DIA工具（如DIA-NN、Spectronaut和EncyclopeDIA）在蛋白水平FDR控制方面表现不佳，尤其在单细胞数据中FDR控制失效。
• 文章通过双entrapment实验验证了不同entrapment策略（shuffled vs. foreign）的一致性，进一步支持配对方法的可靠性。
• 当前FDR控制方法在DIA中存在系统性偏差，影响蛋白鉴定的可信度，进而影响后续生物学分析和药物开发。

研究意义与展望
该研究为蛋白质组学FDR控制提供了新的评估框架，并强调了正确FDR估计方法的重要性。未来的研究应关注如何优化现有工具以在DIA等复杂数据类型中实现有效FDR控制，从而提高质谱数据的可靠性与生物学结论的准确性。

 

赛业生物提供蛋白功能验证、信号通路研究、疾病模型构建、药物筛选与药效评估服务，涵盖基因敲入、过表达、RNA干扰等多种技术。

了解更多

 

结语
本文系统评估了当前蛋白质组学分析中错误发现率（FDR）控制的有效性，发现许多DIA工具在蛋白水平FDR控制方面存在显著问题，尤其是在单细胞蛋白质组学数据中。作者提出了一种更有效的配对估计方法，为改进质谱分析中的FDR控制提供了理论基础和实验验证。该研究不仅揭示了现有工具的局限性，还为未来的FDR估计方法设计提供了指导，强调了FDR控制在蛋白质组学中的核心地位。文章呼吁开发更可靠的DIA分析工具，并指出FDR控制的改进将有助于提升质谱数据的科学价值和应用潜力。

 

Bo Wen, Jack Freestone, Michael Riffle, William S Noble, and Uri Keich. Assessment of false discovery rate control in tandem mass spectrometry analysis using entrapment. Nature Methods.