人类ncORF微蛋白质的质谱可检测性特征分析与预测模型研究

《BMC Biology》：Translation uniformity and evolutionary conservation are associated with microprotein mass spectrometry detectability

【字体：大中小】 时间：2026年11月10日 来源：BMC Biology 5.4

编辑推荐：

　　摘要背景非典型开放阅读框（ncORFs）编码许多微量蛋白质，这些蛋白质很难通过质谱（MS）检测到，从而阻碍了它们作为蛋白质的注释。目前尚不清楚哪些特性使它们能在公共质谱数据库中被检测到。结果我们分析了7097个由Ribo-seq支

摘要

背景

非典型开放阅读框（ncORFs）编码许多微量蛋白质，这些蛋白质很难通过质谱（MS）检测到，从而阻碍了它们作为蛋白质的注释。目前尚不清楚哪些特性使它们能在公共质谱数据库中被检测到。

结果

我们分析了7097个由Ribo-seq支持的人类ncORFs，其中1725个在PeptideAtlas中有肽证据。我们使用了18个生物学特征以及来自ESM2蛋白质语言模型（PLM）的嵌入向量，通过逻辑回归和集成分类器进行研究（五次运行的ROC-AUC值为0.768±0.006）。翻译一致性（累积内框架核糖体足迹一致性，CIF_HBP）、哺乳动物ORF结构的保守性（ORBLv_mammal）和预测的HLA I类结合肽密度这三个特征在SHAP和置换重要性分析中均排在首位。将ESM2嵌入向量添加到这三个顶级生物学特征中并没有改变ROC-AUC值（两种情况下均为0.689；ΔAUC=0.000±0.003），可能是因为ESM2是在更长的典型蛋白质上预训练的。大约90%的阳性结果仅通过HLA免疫肽组学得到支持，99%的结果仅通过HLA数据或HLA数据与非HLA数据结合得到支持，因此该模型在很大程度上反映了免疫肽组的可见性；由于所有ncORFs都有Ribo-seq的支持，它能够预测在翻译条件下的质谱可检测性；当排除整个生物类型时，AUC值从0.706下降到0.659–0.669。在排名前200的ncORFs中，有27个在以Ribo-seq为导向的蛋白质组学研究中被发现（可能性是随机情况下的5.26倍，p=7.2×10^-13），28个在第二个更近期的数据集中被发现（可能性是随机情况下的6.9倍，p=1.9×10^-16；经过Bonferroni或Holm校正后这两个结果仍然显著）。

结论

ORF内的持续翻译和ORF结构的进化保守性与ncORF微蛋白质的质谱检测率存在统计学关联，但标签来源的偏差、缺乏蛋白质丰度作为特征以及生物类型特异性模式限制了这种关联的普遍性。这些关联有助于优先考虑进行针对性蛋白质组学发现的候选对象。

背景

非典型开放阅读框（ncORFs）编码许多微量蛋白质，这些蛋白质很难通过质谱（MS）检测到，从而阻碍了它们作为蛋白质的注释。目前尚不清楚哪些特性使它们能在公共质谱数据库中被检测到。

结果

我们分析了7097个由Ribo-seq支持的人类ncORFs，其中1725个在PeptideAtlas中有肽证据。我们使用了18个生物学特征以及来自ESM2蛋白质语言模型（PLM）的嵌入向量，通过逻辑回归和集成分类器进行研究（五次运行的ROC-AUC值为0.768±0.006）。翻译一致性（累积内框架核糖体足迹一致性，CIF_HBP）、哺乳动物ORF结构的保守性（ORBLv_mammal）和预测的HLA I类结合肽密度这三个特征在SHAP和置换重要性分析中均排在首位。将ESM2嵌入向量添加到这三个顶级生物学特征中并没有改变ROC-AUC值（两种情况下均为0.689；ΔAUC=0.000±0.003），可能是因为ESM2是在更长的典型蛋白质上预训练的。大约90%的阳性结果仅通过HLA免疫肽组学得到支持，99%的结果仅通过HLA数据或HLA数据与非HLA数据结合得到支持，因此该模型在很大程度上反映了免疫肽组的可见性；由于所有ncORFs都有Ribo-seq的支持，它能够预测在翻译条件下的质谱可检测性；当排除整个生物类型时，AUC值从0.706下降到0.659–0.669。在排名前200的ncORFs中，有27个在以Ribo-seq为导向的蛋白质组学研究中被发现（可能性是随机情况下的5.26倍，p=7.2×10^-13），28个在第二个更近期的数据集中被发现（可能性是随机情况下的6.9倍，p=1.9×10^-16；经过Bonferroni或Holm校正后这两个结果仍然显著）。