编辑推荐：
本研究针对蛋白质组学中非经典多肽（non-canonical peptides）鉴定难题，开发了图算法工具moPepGen。该工具通过整合基因组变异、RNA编辑、环状RNA等复杂转录本信息，首次实现线性时间内全组合变异肽段的系统性预测。在人类癌症、小鼠模型及多蛋白酶实验中验证显示，其较现有方法灵敏度提升53.7±12.2%，成功鉴定出KRAS、TP53等关键癌基因的变异肽段及184个非编码ORF（开放阅读框）产物，为肿瘤新抗原发现和蛋白质组注释提供了突破性技术。
蛋白质组学研究长期面临一个核心挑战：单个DNA序列可通过遗传变异、RNA剪接、RNA环化等机制产生大量非经典蛋白质变体（proteoforms），但现有质谱技术难以全面捕获这些变异。传统方法如从头测序（de novo sequencing）和开放搜索（open search）存在计算成本高、假阴性率高等缺陷，而基于参考数据库的策略又受限于变异组合的指数级复杂性。这种技术瓶颈严重阻碍了癌症新抗原发现、非编码RNA功能研究等关键领域的发展。
为突破这一限制，由Paul C. Boutros和Thomas Kislinger领衔的国际团队在《Nature Biotechnology》发表了创新性研究成果。研究人员开发了moPepGen——首个基于图论的多组学肽段生成算法，通过三级图模型（转录本变异图TVG、肽段变异图PVG、肽段切割图PCG）实现了变异肽段的系统性枚举。该工具在人类癌症细胞系、前列腺肿瘤和小鼠模型中验证显示，其不仅能高效整合单核苷酸变异（SNV）、插入缺失（indel）等DNA变异，还可解析RNA编辑、基因融合、环状RNA（circRNA）等复杂转录事件产生的非经典肽段。
关键技术方法包括：1）建立三级图算法模型处理变异组合；2）开发基因变异格式GVF统一多组学数据输入；3）采用模糊测试（fuzz testing）验证算法准确性；4）整合7种蛋白酶消化策略增强非编码ORF检测；5）结合Prosit预测质谱验证肽段可靠性。研究使用375株癌症细胞系（CCLE）、8例肾透明细胞癌（ccRCC）和5例前列腺癌的匹配多组学数据进行验证。
核心研究发现
算法性能验证
通过百万次模拟测试证实moPepGen具有线性时间复杂度（4.7×10-3
秒/变异），较暴力算法提升三个数量级。在人类种系多态性分析中，仅用3.2小时即完成15GB数据运算，而传统方法无法完成相同任务。
非经典肽段鉴定
在癌症细胞系中平均检测到39±27个非经典肽段/样本，其中非编码ORF来源占比达62%。关键案例包括：
跨物种应用
在小鼠C57BL/6N品系中，成功检测到343个非编码ORF肽段和18个编码基因变异肽段（Extended Data Fig.5b-d），证明算法在模式生物中的普适性。
临床样本突破
在前列腺癌中发现：
研究意义
moPepGen通过三大创新重新定义了蛋白质组学分析范式：1）首次实现全组合变异肽段的线性时间枚举，解决了传统方法组合爆炸难题；2）建立多组学整合框架，统一处理从DNA变异到RNA环化的复杂事件；3）实验验证涵盖多癌种、多技术平台（DIA-MS、TMT标记等），证明其临床转化潜力。该工具已开源（GPL-2.0），为肿瘤免疫治疗靶点筛选、罕见变异功能研究提供了不可替代的技术支撑。
研究同时揭示了若干生物学新发现：非编码ORF的广泛翻译活性、circRNA的重复翻译框架、以及W>F替代的普遍存在，这些发现将推动对"暗蛋白质组"（dark proteome）的重新认知。正如作者强调："moPepGen不仅是一个计算工具，更为理解基因表达的复杂层级打开了新窗口。"
生物通微信公众号
生物通 版权所有
