本文介绍了一种集成化的质谱平台,该平台可自动化运行碰撞诱导解离(CID)、电子解离(ExD,如ECD/EID)和紫外光解离(UVPD)等多种裂解技术。为应对CID在分析翻译后修饰和复杂蛋白质形态方面的局限性,研究人员利用多酶深度蛋白质组学工作流程生成数据集,训练了一个统一的Prosit深度学习模型,该模型可预测所有裂解方法的谱图。此公开模型被整合到FragPipe的MSBooster模块中,平均将数据依赖性和数据非依赖性采集的蛋白质鉴定数提升了超过10%。研究表明,电子诱导和紫外光解离等替代方法可产生更丰富、信息量更大的谱图,在提供更优序列覆盖度的同时,实现了与CID相当的鉴定效率。此项工作为高级裂解技术在标准蛋白质组学流程中的常规应用建立了框架。
2026-03-24