《PROTEOMICS》：Enabling Variant Proteogenomic Assay Development Through a Peptide Target Selection Pipeline and Web Application
编辑推荐：
关键蛋白变异体的定量可指导精准肿瘤学，提升驱动突变识别的准确性。自下而上（bottom-up）检测方法通过定量替代肽（surrogate peptides）推断亲本蛋白水平。针对蛋白变异体绝对定量的检测方法，如多反应监测质谱（multiple reaction
关键蛋白变异体的定量可指导精准肿瘤学，提升驱动突变识别的准确性。自下而上（bottom-up）检测方法通过定量替代肽（surrogate peptides）推断亲本蛋白水平。针对蛋白变异体绝对定量的检测方法，如多反应监测质谱（multiple reaction monitoring mass spectrometry, MRM-MS），可实现高精度、高特异性的定量分析。自下而上策略依赖于合适的替代蛋白基因型肽（proteogenotypic peptide）靶标的选择，以量化目标蛋白变异体。为此，研究人员开发了基于R语言的生物信息学流程，用于预测和评估变异特异性肽。该工作流程可从野生型序列及人类基因组变异协会（Human Genome Variation Society, HGVS）推荐命名法编码的突变生成变异蛋白序列，进行计算机模拟胰蛋白酶消化（in-silico tryptic digestion），并鉴定变异肽及其对应的野生型肽。每条肽均通过37项筛选标准进行评估，以确定其作为MRM靶标的适用性。为评估这些标准的严格程度，研究人员将美国国家癌症研究所基因组数据 commons（NCI-GDC）和COSMIC数据库中的所有蛋白改变突变应用于该流程。在输出的肽中，5%满足所有定义的标准，代表检测方法开发中置信度最高的候选靶标。研究人员基于NCI-GDC生成的肽构建了数据库与网络应用程序，支持检索、筛选和下载功能。另一款网络应用程序则提供了对该流程的访问入口。
该研究发表于《PROTEOMICS》，聚焦于解决蛋白变异体靶向定量分析中肽靶标筛选效率低、标准化不足的瓶颈问题。在癌症研究中，基因组层面的突变信息已广泛应用，但蛋白水平的变异表达与功能效应往往无法直接通过基因测序结果推导，而传统自下而上定量蛋白质组学依赖替代肽推断蛋白丰度，针对变异体的特异性肽筛选缺乏自动化工具，手动流程耗时且难以规模化，成为制约蛋白基因组学检测开发的关键障碍。为此，研究人员旨在构建一套自动化、可扩展的生物信息学流程，实现从突变注释到高置信度肽靶标输出的端到端支持，加速临床相关蛋白变异体的质谱检测方法开发。
在技术方法上，研究人员开发了基于R语言的双模块流程：一是变异肽生成模块，整合Ensembl数据库的蛋白与cDNA序列，依据HGVS命名法构建变异蛋白序列并进行计算机模拟胰蛋白酶消化；二是肽评估模块，对接UniProtKB、dbSNP、PeptideAtlas、gpmDB等多源数据库，结合EXPASY PeptideCutter工具，从肽长度、稳定性、独特性、消化效率、人群多态性、实验可观测性等维度设定37项筛选标准。研究使用NCI-GDC与COSMIC数据库中所有导致蛋白序列改变的突变作为测试队列，评估流程性能与筛选严格度，并基于结果开发了配套数据库与两款开源网络应用程序。
研究结果部分首先明确了肽评估体系的构成。在3.1节肽评估标准中，研究人员针对变异肽与对应野生型肽设定了涵盖合成可行性、蛋白基因型唯一性、干扰修饰规避等维度的37项指标，多数参考已有蛋白组学靶标筛选规范。3.2节靶肽理想组成分析指出，最优肽长度为7–25个氨基酸，需规避半胱氨酸、甲硫氨酸、色氨酸等易氧化残基，以及DG、DP等易发生水解/脱氨的 motif，同时要求两端酶切位点消化效率乘积高于10%。3.3节靶肽独特性验证强调，变异肽必须仅存在于变异蛋白而不出现在野生型蛋白或其他人类蛋白中，野生型肽则需覆盖亲本蛋白所有亚型且不与变异蛋白重叠，以确保定量特异性。3.4节其他筛选标准补充了人群通用性要求：野生型肽需匹配UniProtKB canonical序列，避开人群频率＞1%的单核苷酸多态性（single nucleotide polymorphism, SNP），优先选择已被公共肽数据库收录的序列，并规避翻译后修饰（post-translational modification, PTM）位点、蛋白切割位点及非功能链区域。3.5节基于NCI-GDC突变的肽数据库构建结果显示，约5%的蛋白水平变异可产生符合全部标准的肽靶标，最主要的淘汰原因是胰蛋白酶消化产物长度不符合要求，其次为含易氧化残基、缺乏肽组独特性及无公共数据库观测证据；1000个突变的平均处理时间为6.4分钟。3.6节介绍的两款网络应用程序中，QuaVaPeptidePicker支持用户上传突变列表并自定义筛选条件，输出包含肽序列与评估结果的CSV文件；QuaVaProt提供预计算的NCI-GDC衍生肽的可检索数据库，支持可视化展示肽在蛋白中的位置；所有源代码已在GitHub公开。3.7节通过100个NCI-GDC突变的测试案例验证，全流程处理耗时1分25秒，应用全标准过滤后从100条输入中获得9个最终候选肽。
讨论与结论部分指出，该流程首次实现了HGVS注释突变到MRM靶标肽的自动化转化，显著降低了蛋白变异体检测开发的门槛。37项标准的分层设计兼顾了定量可靠性与合成可行性，NCI-GDC与COSMIC突变的大规模验证确保了工具的普适性。配套数据库与开源网络应用消除了技术壁垒，使研究人员无需生物信息学背景即可获取高质量候选肽，推动临床蛋白基因组学研究的标准化与规模化。未来将通过扩展酶切酶种类进一步提升流程灵活性。该研究为精准肿瘤学中驱动变异的功能验证与临床检测提供了关键工具支撑，相关资源已全面开放以促进社区应用。
