Nat Biotech | 机器学习大幅提高肽和蛋白质组的识别率

MaxDIA通过整合机器学习技术，显著提升了肽和蛋白质组的识别率，其中肽的识别率提高28%，蛋白质组识别率提高18%。 以下是具体分析：机器学习在MaxDIA中的应用MaxDIA将双向递归神经网络（BRNN）和梯度提升方法（XGBoost）等机器学习技术整合到DIA（数据非依赖采集）蛋白质组学分析中。BRNN的应用：通过DeepMass:Prism方法，BRNN被用于从完整蛋白质组序列数据库中消化肽，生成高精度的串联质谱（MS/MS）谱库。此外，BRNN还可预测液相色谱保留时间的特定数据集，为DIA分析提供关键参数。XGBoost的应用：XGBoost被用于根据多变量信息对DIA样品匹配进行评分。通过整合匹配分数、保留时间、前体质量误差、修饰数量等特征，XGBoost显著提高了匹配的准确性，优于仅使用匹配分数或其他机器学习方法。机器学习对识别率的提升识别率对比：在相同数据集上，使用机器学习改进的评分方法后，MaxDIA的肽识别率比未使用机器学习时提高了28%，蛋白质组识别率提高了18%。这一提升直接源于XGBoost对多变量特征的优化整合，以及BRNN生成的精确谱库。FDR控制的可靠性：通过目标诱饵策略验证，基于机器学习的FDR估计与外部FDR计算值高度一致，表明机器学习在提高识别率的同时，未牺牲假阳性控制能力。例如，在1% FDR阈值下，识别的蛋白质组数量差异仅1.5%。与其他软件的对比蛋白质组覆盖度：在人类HepG2细胞系数据集中，MaxDIA鉴定出6238个蛋白质组，高于Spectronaut的6015个和另一版本Spectronaut的6304个。定量精度：MaxDIA的变异系数（CV）分布显示，其定量精度显著优于Spectronaut，离群值更少，Pearson相关度更高。例如，在复制间蛋白质强度对数散点图中，MaxDIA的相关性持续高于Spectronaut。技术优势与通用性多技术兼容性：MaxDIA支持BoxCar采集和陷落式离子迁移谱等新技术，结合这些技术可实现更准确的蛋白质组定量。例如，与BoxCar采集结合时，MaxDIA实现了前体强度的更高动态范围。发现模式的应用：MaxDIA可在无需实验光谱库的“发现模式”下运行，通过BRNN生成的硅基库实现肽序列预测。此模式下，蛋白质组识别数量较实测库增加39%，且FDR控制依然可靠。端到端工作流程：MaxDIA嵌入MaxQuant环境，共享图形用户界面和计算基础设施，支持通用DIA采集模式（如重叠窗口、可变窗口大小），适用于多种质谱平台。总结：MaxDIA通过整合BRNN和XGBoost等机器学习技术，在谱库生成、匹配评分和多变量特征优化等环节实现突破，显著提升了肽和蛋白质组的识别率。其与多种质谱技术的兼容性、可靠的FDR控制以及发现模式的应用，进一步巩固了其在蛋白质组学领域的优势。