从头肽段测序解析序列歧义的能力边界：八种深度学习模型的系统基准测试与误差溯源

从头肽段测序（de novo peptide sequencing，不依赖序列数据库、直接从串联质谱碎片谱推断肽序列的方法）能够在缺乏先验序列信息时对肽段进行识别。然而，不完整的串联质谱（MS2）谱图会引入序列歧义，使无歧义鉴定难以实现。近年来，深度学习推动了大量从头测序模型的发展，这些模型可预测序列并在谱图证据不足时优化肽谱匹配（peptide-spectrum match，PSM）。但其优势、局限及对谱图歧义的解析能力仍不清楚。研究人员在三个公开蛋白质组学数据集上系统基准测试了八种前沿模型，采用常用指标比较性能并量化模型间一致性；同时评估迭代精修、重评分与重排序等后处理策略对鉴定准确率的提升作用，并通过误差分析定位高频错误及其成因。结果表明：模型性能存在差异，但正确鉴定结果高度重叠；后处理仅带来微弱甚至无增益；绝大多数测序错误与模型结构无关，而由有限碎片离子覆盖驱动，这一根本限制在大规模搜索空间的数据库搜索中同样存在。

研究背景与问题提出

基于质谱的蛋白质组学依赖串联质谱（MS/MS或MS2）鉴定肽段，并进一步推断蛋白。传统数据库搜索将实验谱图匹配至预设序列库，虽可借助靶-诱饵（target-decoy）策略控制假发现率（false discovery rate，FDR），却无法发现数据库之外的新型肽、变异体或翻译后修饰（post-translational modification，PTM）。从头肽段测序（de novo peptide sequencing）不依赖数据库，理论上可解析任意肽序列，但因搜索空间不受限，序列歧义问题被放大。歧义主要源于三类因素：一是等质量或近等质量氨基酸及修饰导致碎片离子质荷比（m/z）不可分；二是关键裂解位点缺少互补b/y离子对，使局部序列无法锚定；三是共碎裂与实验噪声产生虚假氨基酸阶梯。尽管Casanovo以来基于注意力机制的深度学习模型显著提升性能，不同模型的优劣与对歧义的鲁棒性仍缺乏系统认知。

论文发表于《Nature Methods》，研究人员针对上述问题开展了一项系统性基准研究。

主要技术方法

研究人员构建可复现的NextFlow流水线，在三个公开数据集上评测八种深度学习从头测序模型：AdaNovo、Casanovo、ContraNovo、InstaNovo、NovoB、PepNet、π-HelixNovo与π-PrimeNovo；并以Sage嵌合模式联合MSGF+（q<0.01）的数据库搜索结果作为金标准。数据涵盖人-大肠杆菌-酵母混合物的Orbitrap QE-HFX与timsTOF Pro采集（PXD028735），以及CAMPI八物种混合模拟宏蛋白质组数据集（PXD023217）。后处理侧集成Spectralis、InstaNovo+序列精修，以及MS2Rescore重评分；利用MS2PIP预测碎片强度、DeepLC预测保留时间（retention time，RT），并以Levenshtein距离量化序列误差。

研究结果

评估准确性与模型共识

通过精度-覆盖（precision-coverage，PC）曲线比较模型。Orbitrap数据上π-PrimeNovo与Casanovo领先，PepNet持续偏弱；timsTOF与复杂物种样本中普遍性能下降，反映训练数据偏倚于HCD-Orbitrap。八模型至少正确解析64.2%的金标准谱图，其中12.6%被所有模型共同命中，说明存在“易解谱图”子集；各模型也贡献独有正确鉴定。错误预测几乎无跨模型重叠，提示错误多由谱图本身而非模型偏好决定。

从头测序后处理工具

将Spectralis与InstaNovo+用于序列精修，MS2Rescore用于重评分。精修常改动序列，但对高精度基模型（如π-PrimeNovo、Casanovo）反而降低正确PSM数；修正极少超过两个氨基酸。重评分未显著提升排序质量，MS2Rescore在从头场景下区分力弱于数据库搜索，因错误PSM常比诱饵更“像真”。候选选择实验显示：Casanovo集束搜索（beam search）在41.6%谱图中未生成金标准候选；一旦补入候选，MS2Rescore融合RT特征（MS2Rescore-CS）排序最优，说明保留时间是关键判别量，而现有从头引擎未利用其。

从头PSM误差分析

误差呈双峰分布：近乎正确或整体错误。单氨基酸变异多为天冬酰胺/谷氨酰胺脱酰胺；局部错误中，置换与等质量标签在缺诊断离子时不可分辨，且偏向C端——多数模型自C端起始构建序列，末端上下文受限。广泛错误占主体，伴随完全无关序列，不能简单归因于共碎裂。

当前从头模型的能力上限

理想集成（任一模型正确即计正确）将准确率由单模型50.4%提至64.2%。核心限制是互补b/y离子缺失：位点全覆盖时集成正确率92%，缺失一至三对时降至85%、70%、50%；低解释强度（<5%）谱图仅17.1%可解。MS2PIP余弦相似度可区分“可预测/不可预测”谱，而RT偏差在各组间相近，但在碎片信息缺失时相对判别价值上升。

讨论与结论翻译

讨论指出，模型在HCD-Orbitrap数据表现出色，但跨仪器与碎裂方式泛化不足；后处理增益有限，根因是歧义来自谱图证据本身而非打分函数。研究人员倡导社区驱动的基准平台（如ProteoBench、NovoBench）与谱特异置信度估计，建议以“最优与次优候选得分差”刻画不确定性，对高歧义区返回带不确定标注的共识序列。PTM预测会进一步放大搜索空间，亟需定位置信与统计校准。

研究结论部分翻译如下：

当前从头测序工具的主要瓶颈不在于模型架构竞争，而在于关键碎片信息缺失或被噪声掩盖。碎片化强度模式可区分可预测与不可预测谱图，而保留时间等正交特征在谱图质量差时相对更重要。未来模型须更好地处理不完整碎裂阶梯，并融合保留时间、离子淌度（ion mobility）等非碎片特征，方能突破现有能力边界。

你想把这篇解读进一步改写成期刊审稿意见，还是会议汇报稿？

审稿意见

汇报稿

审稿意见

汇报稿