📚 课程目录第1章 MaxQuant概述与应用场景

1. MaxQuant概述与应用场景

做蛋白质组学定量的同学，对 MaxQuant 应该都不陌生。说白了，它就是处理质谱原始数据的瑞士军刀。我入行那会儿，实验室还在用 Excel 手动算峰面积，一个项目折腾一个月。后来接触到 MaxQuant，才发现原来定量可以这么自动化。

MaxQuant 是德国马普所开发的开源软件。它的核心功能，就是从质谱仪产生的 RAW 文件中，把肽段信号提取出来，匹配到蛋白质，最后给出定量结果。整个过程几乎全自动，你只需要配置好参数，剩下的交给它跑就行。

嗯，这里要强调一下：MaxQuant 只支持特定品牌的质谱仪数据。它原生支持的格式是 Thermo Fisher 的 RAW 文件。如果你用 Bruker 或 SCIEX 的仪器，需要先转换成通用格式。我踩过这个坑，后面会细说。

一句话总结： MaxQuant = 肽段鉴定 + 非标定量 + 标记定量（SILAC/TMT/iTRAQ），全自动化 Pipeline。

应用场景：什么时候该用它？

不是所有蛋白质组学项目都适合 MaxQuant。我个人习惯这样判断：

非标定量（Label-free）：这是最常见的场景。比较不同处理组的蛋白表达差异，比如药物处理 vs 对照。MaxQuant 的 LFQ 算法在行业内是标杆。
SILAC 定量：细胞培养稳定同位素标记。重标和轻标的比值计算，MaxQuant 做得非常稳。我之前有个项目做时间序列的 SILAC，跑完直接出倍数变化，省了很多手工算量的时间。
TMT / iTRAQ：多重标记定量。MaxQuant 支持 6-plex、10-plex、16-plex 的 TMT 数据。你想想看，一次实验比较 16 个样本，手动处理得多痛苦。
PTM 分析：磷酸化、乙酰化等翻译后修饰。MaxQuant 内置了常见修饰的搜索，还可以自定义。我曾经帮一个合作团队分析磷酸化组数据，跑完直接找到关键激酶的底物肽段。

但这里有个例外——如果你的数据量特别大，比如一次跑了 200 个样本的 DIA 数据，我建议你考虑 DIA-NN 或 Spectronaut。MaxQuant 对 DIA 的支持比较有限，它主要还是 DDA 模式。

为什么选 MaxQuant？

市面上蛋白质组学定量软件不少，比如 Proteome Discoverer、Mascot、Skyline。我为什么重点推荐 MaxQuant？

功能	MaxQuant	Proteome Discoverer	Mascot
价格	免费开源	商业许可（贵）	商业许可（较贵）
定量算法	LFQ + MaxLFQ（先进）	自带 LFQ（中规中矩）	第三方集成
自动化程度	一键全自动	需要配置工作流	命令行或脚本
标记定量支持	SILAC / TMT / iTRAQ	TMT 强（但贵）	需额外模块
生态系统	Perseus 下游分析	集成在 Thermo 生态	独立工具

看到表格就明白了：MaxQuant 在免费工具里，功能是最全的。而且它生成的 evidence.txt 和 proteinGroups.txt，可以直接导入 Perseus 做统计分析和可视化。这个工作流我用了好几年，非常顺畅。

小技巧： 刚接触时，直接去官网下载 MaxQuant 和配套的人参标准库（含常见 contaminants）。千万别自己建库，容易遗漏。我刚开始自己合并了几个数据库，结果漏掉了一批人的污染蛋白，血的教训。

典型工作流：从 RAW 到结果表

工作流并不复杂。我画了一张流程简图，方便你理解每个环节。

流程看着简单，但每个环节都有门道。我拆开来说。

1. 原始数据输入

把你从质谱仪导出的 RAW 文件，拖进 MaxQuant 的输入窗口。嗯，这里要注意：同名文件不要放在不同文件夹，MaxQuant 会合并处理。我见过同事把时间点的不同重复放在不同子目录，结果软件把同一组样本当成了两组——定量结果直接偏差。

还有一个容易忽略的点：RAW 文件的命名要有规律。我习惯用「项目名_组别_重复编号_时间点」的格式。比如：

ProjA_Control_Rep1_0h.raw
ProjA_Control_Rep2_0h.raw
ProjA_Drug_Rep1_24h.raw
ProjA_Drug_Rep2_24h.raw

这样命名，MaxQuant 会自动识别分组和重复，后面定量的时候就不用手动分组。省事。

2. 谱图匹配（Andromeda 搜索引擎）

MaxQuant 内置的 Andromeda 引擎，负责把 MS/MS 谱图匹配到肽段序列。你只需要提供蛋白质序列数据库（FASTA 格式）。我建议用 UniProt 的参考蛋白质组，或者从 Ensembl 下载。不要贪多，数据库太大，鉴定速度会慢很多，假阳性也会增加。

注意： 数据库一定要包含常见污染蛋白（比如角蛋白、血清白蛋白）。MaxQuant 官方提供了 contaminants.fasta，每次都要勾选。我早期没加这个，结果鉴定结果里一堆人源的污染蛋白，导致后续分析数据质量极差。别犯同样的错。

3. 定量计算

这是 MaxQuant 的强项。它用 MaxLFQ 算法来计算非标定量。原理一句话：肽段提取离子流（XIC）的峰面积，整合到蛋白质水平。你想想看，MaxLFQ 不是简单求和，而是利用所有匹配肽段的强度做归一化，稳定性好很多。

如果是 SILAC，软件会自动识别重标和轻标的同位素峰，直接算出 H/L 比值。TMT 则是基于报告离子强度。我在项目里最常配的参数是这样的：

# 参数示例（mqpar.xml 中的关键项）
<parameter>
  <name>Type</name>
  <value>Standard</value>  <!-- 或 SILAC / TMT -->
</parameter>
<parameter>
  <name>LFQ</name>
  <value>True</value>
</parameter>
<parameter>
  <name>Match between runs</name>
  <value>True</value>  <!-- 强烈推荐开启 -->
</parameter>
<parameter>
  <name>iBAQ</name>
  <value>True</value>  <!-- 用于绝对定量估计 -->
</parameter>

Match between runs 这个参数，我建议你一直开着。它能把不同次运行中检测到的同一肽段信息对齐，减少缺失值。但注意：如果样本间差异极大，开启可能导致假阳性。我在一个大肠杆菌 vs 人源的混合样本项目中关闭了这个选项，因为两种样本的肽段组成完全不同，对齐没意义。

4. 质量控制与过滤

软件默认会做 FDR（假发现率）过滤，通常设为 1%。污染物也会被标记出来。我个人习惯在结果导出后，再用 Perseus 做一次过滤：去掉被标记为「Only identified by site」和「Reverse」的条目。这两个类别通常是不可信的。

经验之谈： 跑完 MaxQuant 后，先检查 summary.txt 或 msms.txt 的鉴定数目。如果总 PSMs 少于 5 万，说明实验可能有问题。我一般要求 PSMs 在 10 万以上才算合格。低于这个数，先检查样本制备或质谱运行参数。

5. 结果输出与下游

跑完后，输出文件夹里有大量的 TXT 文件。你最需要关注的是这些：

evidence.txt          # 肽段水平的所有定量信息（最核心）
proteinGroups.txt     # 蛋白质水平的汇总定量（直接用于差异分析）
peptides.txt          # 肽段鉴定列表（不带定量）
summary.txt           # 运行概况（鉴定总数、比例等）
parameters.txt        # 本次运行的所有参数记录（方便复现）

我喜欢把 evidence.txt 和 proteinGroups.txt 直接丢进 R 或 Python 做下游分析。比如用 DEP 包或 DEP2，几步就能画出火山图和热图。如果你是初学者，用 Perseus 的图形界面操作更友好。