In-source fragmentation in mass spectrometry-based proteomics: prevalence, impact, and strategies for mitigation

本文通过结合保留时间分析与色谱峰匹配，提出了一种识别质谱蛋白质组学中源内裂解（ISF）伪影肽的方法，揭示了其在半酶切肽和免疫肽组学等场景中的高 prevalence 及导致数据误判的风险，并建议采用该开源策略进行数据重注释以消除干扰。

要点

这篇论文探讨了一个在蛋白质组学（研究生物体内所有蛋白质的科学）中经常被忽视，但越来越重要的问题：“源内碎片化”（In-Source Fragmentation, ISF）。

为了让你轻松理解，我们可以把整个实验过程想象成一场**“精密的快递分拣与运输”**任务。

1. 故事背景：完美的快递计划

想象一下，你有一个巨大的仓库（细胞），里面装满了各种各样的包裹（蛋白质）。

• 第一步（切割）： 为了运输方便，工人们先把大包裹切成小包裹（肽段）。在标准的“底向上”蛋白质组学中，工人们使用一种特制的剪刀（胰蛋白酶），只按特定的规则切割，确保每个小包裹都有标准的标签。
• 第二步（运输）： 这些小包裹通过一条长长的传送带（色谱柱）被运送到分拣中心。传送带会根据包裹的大小和重量，让它们在不同时间到达。
• 第三步（扫描）： 到达终点后，有一个超级灵敏的扫描仪（质谱仪），它会读取每个包裹的条形码（质量/电荷比），并记录它到达的时间，以此确认包裹的身份。

2. 问题出在哪里？“半路崩解”

这篇论文发现，在包裹离开传送带、即将进入扫描仪的那一瞬间（也就是“源内”），发生了一些意外。

由于扫描仪入口处的环境非常恶劣（高温、高压电场），有些包裹在还没被正式扫描前，就**“崩解”了**。

• 比喻： 就像你寄了一个大箱子，但在快递车开进分拣中心大门前，箱子突然散架了，掉出来几个小零件。
• 后果： 扫描仪不仅看到了原本的大箱子（父代肽段），还看到了散落的几个小零件（碎片肽段）。更糟糕的是，因为小零件是从大箱子里掉出来的，它们到达的时间和原本的大箱子是一模一样的。

3. 为什么这是个麻烦？

在以前，科学家主要关心“大箱子”（完整蛋白质）的数量，所以掉出来的几个小零件被忽略不计，或者被认为不重要。

但现在，情况变了：

1. 扫描仪太灵敏了： 现在的机器太先进了，连那些掉出来的小零件都能清晰看到。
2. 研究目标变了： 现在的研究（如免疫肽组学）专门寻找那些**“没有标准标签”的小包裹**（半特异性或非特异性肽段）。
3. 误判风险： 科学家可能会把“崩解掉出来的小零件”误认为是“原本就存在的特殊小包裹”。
   • 比喻： 想象你在研究某种特殊的“迷你乐高积木”。结果发现，很多所谓的“迷你积木”其实是大乐高积木在运输途中摔碎产生的碎片。如果你不把它们区分开，你就会错误地认为你的仓库里有很多这种特殊的迷你积木，从而得出错误的结论。

4. 论文做了什么？（侦探工作）

作者们开发了一套**“侦探算法”**来揪出这些捣乱的碎片。

• 核心线索：时间（保留时间）。
  • 正常的包裹，如果大小不同，到达时间通常会有细微差别。
  • 但是，“崩解碎片”和“原本的大箱子”是同时到达的（因为它们是一起掉出来的）。
• 侦探方法：
  • 算法会寻找那些**“长得像（序列包含关系）”且“同时到达（保留时间相同）”**的包裹对。
  • 如果一个大包裹和一个小包裹同时出现，且小包裹是大包裹的一部分，算法就会标记：“嘿，这个小包裹很可能是大包裹崩解产生的，不是原本就有的！”

5. 主要发现

• 普遍存在： 这种“崩解”现象比预想的要普遍得多。在某些简单的样本中，甚至超过 30% 的“小包裹”其实是崩解产生的碎片。
• 看人下菜碟： 样本越简单（包裹越少），碎片比例越高；样本越复杂（包裹越多），碎片比例反而越低。
• 设备影响： 不同的扫描仪（快递车）和设置（温度、电压）会导致崩解程度不同。有些机器设置太“激进”，会让更多包裹在门口散架。
• 对定量的影响： 好消息是，虽然碎片会干扰“数数”（定性分析），导致你以为有很多不存在的特殊包裹，但它们对计算“总重量”（定量分析，即蛋白质有多少）的影响相对较小。

6. 结论与建议

这篇论文给科学界敲响了警钟：

1. 别再“视而不见”了： 以前大家觉得这些碎片可以忽略，但现在随着仪器变灵敏，它们成了数据中的“噪音”，甚至会导致严重的误判（特别是在免疫学研究中，可能会把假抗原当真抗原）。
2. 需要“过滤”： 作者建议，在未来的数据分析中，必须使用他们开发的这套“侦探算法”，把那些由崩解产生的假碎片识别出来并剔除掉。
3. 优化设置： 调整仪器参数（比如降低温度或电压），可以减少包裹在门口的“崩解”，让数据更干净。

一句话总结：
这篇论文就像给蛋白质组学领域发了一份**“防诈骗指南”**，告诉科学家们：你们在显微镜下看到的那些“小碎片”，很多其实是“大包裹”在门口摔碎产生的假象。如果不把它们剔除，你们可能会把“事故现场”误认为是“宝藏”，从而得出错误的科学结论。

技术摘要

这是一份关于该论文《质谱蛋白质组学中的源内碎裂（In-source fragmentation, ISF）：普遍性、影响及缓解策略》的详细技术总结。

1. 研究背景与问题 (Problem)

• 背景：基于质谱（MS）的蛋白质组学分析（特别是肽水平分析，如免疫蛋白质组学、结构蛋白质组学和翻译后修饰分析）日益普及。在这些分析中，肽段在色谱分离之后、进入第一个质量过滤器之前，在电喷雾电离（ESI）源内发生非生物性的断裂，被称为源内碎裂（ISF）。
• 核心问题：
  • ISF 产生的碎片肽段与母体肽段具有相同的保留时间（RT）和部分相同的氨基酸序列，容易被误认为是真实的生物肽段。
  • 在传统的“自下而上”蛋白质组学（DDA 模式）中，由于主要关注全胰蛋白酶肽段，ISF 的影响常被掩盖。然而，随着数据非依赖性采集（DIA）技术的普及、高灵敏度质谱仪的使用，以及肽中心分析（如免疫肽组学、有限酶解 LiP-MS）对半胰蛋白酶或非胰蛋白酶肽段的依赖，ISF 导致的假阳性识别和定量偏差风险显著增加。
  • 目前缺乏针对 DIA 蛋白质组学数据的 ISF 检测工具，且对其普遍性、影响因素及具体影响程度尚不明确。

2. 方法论 (Methodology)

• ISF 检测算法开发：
  • 原理：利用 ISF 碎片与母体肽段具有相同保留时间（RT）但不同分子量的特性。
  • 流程：
    1. 配对：在样本内寻找共享氨基酸序列的肽段对（母体与潜在碎片）。
    2. $\Delta$RT 计算：计算肽段对之间的保留时间差（$\Delta$RT = 长肽段 RT - 短肽段 RT）。
    3. 阈值确定：利用仅电荷不同但质量相同的肽段对（如不同电荷态的同一肽段）作为“真值”，构建 $\Delta$RT 分布模型（正态分布 + 均匀分布），动态确定每个样本的共洗脱 $\Delta$RT 截断值。
    4. 分类：若 $\Delta$RT 低于截断值，则判定为 ISF 证据，将短肽标记为“碎片”，长肽标记为“母体”。
    5. 网络构建：构建 ISF 网络，将多个碎片关联到同一母体，形成新的肽段组。
• 数据集构建：
  • 生成了 13 个新数据集（涵盖不同复杂度样本：肽混合物、蛋白混合物、不同物种裂解液、免疫沉淀等）。
  • 整合了 25 个已发表的公共数据集（涵盖免疫肽组学、磷酸化蛋白质组学、LiP-MS 等）。
  • 总计分析了超过 240 万个鉴定肽段。
• 参数优化实验：
  • 在三种不同质谱仪（Orbitrap Exploris 480, Astral, Q Exactive Plus）上测试。
  • 系统改变关键参数：离子漏斗射频（RF）、离子传输毛细管温度（ITC）、电喷雾电压，以评估其对 ISF 的影响。
• 定量影响评估：
  • 设计稀释实验（酵母 + 大肠杆菌混合），比较 ISF 肽段、母体肽段与非 ISF 肽段在相对定量中的表现（变异系数 CV、相对误差）。

3. 主要发现与结果 (Key Results)

• ISF 的普遍性与丰度：
  • 在典型的胰蛋白酶消化样本中，平均 1% 的全胰蛋白酶肽段和 22% 的半胰蛋白酶肽段源自 ISF。
  • ISF 比例在不同数据集间差异巨大，在某些低复杂度样本中，ISF 碎片可占总肽段鉴定的 30% 以上。
  • 样本复杂度与 ISF 比例呈负相关：样本越复杂（如全蛋白质组），ISF 比例越低；样本越简单（如肽混合物、免疫沉淀），ISF 比例越高。
• ISF 的特征：
  • 序列偏好：ISF 主要发生在 N 端，且倾向于在疏水性氨基酸（Val, Ile, Leu, Ala）和脯氨酸（Pro）附近的肽键断裂。
  • PTM 影响：观察到磷酸化、甲硫氨酸氧化和 N 端乙酰化的 ISF 事件。特别是磷酸化肽段，其磷酸基团丢失导致的 ISF 在磷酸化富集数据中更为显著。
  • 电荷与长度：碎片肽段通常比母体肽段电荷少、长度短。
• 仪器与参数依赖性：
  • ISF 高度依赖仪器型号和设置。
  • **漏斗射频（RF）和毛细管温度（ITC）**是主要影响因素：提高 RF 和温度会显著增加 ISF 比例。
  • 电喷雾电压影响较小，除非设置极低。
  • 不同质谱仪（如 Exploris 480 vs. Astral）产生的 ISF 比例差异显著。
• 对定量的影响：
  • 相对定量：ISF 对相对定量（Fold Change）的准确性影响较小。有趣的是，ISF 母体肽段的定量表现甚至优于非 ISF 肽段（因其信号强度通常更高）。
  • 策略建议：将碎片与母体合并计算会略微降低变异系数（CV），但会扭曲相对定量值；因此，建议直接过滤掉 ISF 碎片，仅保留母体或过滤后的数据。
• 特定应用场景的影响：
  • 免疫肽组学（Immunopeptidomics）：影响最为严重。由于 HLA-I 类肽段通常较短（9-14 个氨基酸），ISF 产生的短肽极易被误认为是真实的抗原肽。在部分数据集中，<9 个氨基酸的肽段中，ISF 碎片占比高达 37%。
  • 有限酶解（LiP-MS）：虽然 LiP-MS 本身产生大量半胰蛋白酶肽段，但 ISF 仅占其中很小一部分（<4%），影响相对可控。
• DIA 分析工具的局限性：
  • 现有的 DIA 分析工具通常假设一个肽段序列只有一个色谱峰。如果存在 ISF，同一序列可能对应多个峰（母体峰和碎片峰），导致现有工具低估了 ISF 的存在，甚至可能漏检真实的生物肽段。

4. 关键贡献 (Key Contributions)

1. 提出了首个针对 DIA 蛋白质组学的 ISF 检测流程：基于保留时间（RT）匹配和动态 $\Delta$RT 截断值，无需外部标准品即可在样本内识别 ISF。
2. 系统量化了 ISF 的普遍性：揭示了 ISF 在低复杂度样本和特定应用（如免疫肽组学）中的高风险，打破了以往认为 ISF 影响微乎其微的认知。
3. 阐明了仪器参数的影响机制：明确了漏斗 RF 和 ITC 温度是控制 ISF 的关键参数，为实验优化提供了指导。
4. 提供了缓解策略：
   • 在数据分析流程中引入 ISF 检测步骤。
   • 对于免疫肽组学，建议过滤掉 <9 个氨基酸的肽段或应用 ISF 检测算法。
   • 建议在方法开发时优化仪器参数以最小化 ISF。
5. 揭示了现有 DIA 算法的盲点：指出当前“单峰”假设的 DIA 算法会低估 ISF 并可能丢失真实肽段信息，呼吁开发支持多峰提取的新算法。

5. 意义与展望 (Significance)

• 数据质量提升：ISF 是导致蛋白质组学数据假阳性识别和错误注释的主要来源之一，特别是在肽中心分析中。该研究提供的解决方案能显著提高数据解读的准确性。
• 免疫治疗与疫苗开发：在免疫肽组学中，误将 ISF 碎片识别为肿瘤新抗原或病原体抗原可能导致错误的临床决策。该研究为排除这些假阳性提供了关键工具。
• 未注释数据的解释：研究提出，许多目前无法注释的质谱特征（m/z features）可能源于 ISF 或侧链修饰的碎裂。理解 ISF 模式有助于挖掘这些“暗物质”数据，揭示新的生物学信息。
• 未来方向：随着质谱灵敏度的提升，ISF 检测将成为标准流程。未来的算法需要能够处理多峰提取，并进一步探索侧链碎裂和非酶促修饰的 ISF 模式。

总结：该论文不仅揭示了 ISF 在现代蛋白质组学中被低估的严重性，还开发了一套实用的检测与缓解方案，对于提高免疫肽组学、结构蛋白质组学及低复杂度样本分析的可靠性具有重要的指导意义。