MaxQuant 概述：用途、发展历史、与 Mascot / Sequest 的比较
聊蛋白质组学定量，有一件工具你绕不开——MaxQuant。我自己刚开始做大规模非标定量时就踩过不少坑，后来发现不少问题都是因为对 MaxQuant 的定位理解太浅。这一章我们就把它说透：它能干什么、从哪来的、跟其他搜索引擎到底有什么区别。嗯，先看一张总览图。
MaxQuant 能做什么
很多人以为 MaxQuant 就是一个搜索引擎，其实它是一套完整的非标记定量（Label‑Free Quantification，LFQ）解决方案。我刚开始做 SILAC 实验时，用的还是单点搜索加 Excel 手动算比值，后来换到 MaxQuant，感觉就像从手动挡换成了自动挡。它不仅帮我们鉴定肽段和蛋白，还直接把定量结果算好——LFQ intensity、iBAQ、SILAC ratio、TMT reporter ion 等等。具体能做的事情，我列一下：
- 从原始文件直接读谱：支持 Thermo RAW、Bruker 的.d、以及 mzML。不用先转成 MGF，省了一个步骤，也避免了格式转换时的信息丢失。
- 内置搜索引擎 Andromeda：速度比 Mascot 快，而且置信度打分（Score、PEP、Q‑value）跟下游定量无缝耦合。我遇到过有人用 MaxQuant 采集数据却导出 MGF 用 Mascot 重新搜，其实是绕远路了。
- 自动化定量：Match between runs（跨样本匹配）是它的一大杀器，可以显著提高缺失值的填补率。尤其在 LFQ 实验中，这个功能能帮你多找回 20% 以上的肽段定量。
- 质量控制：内置了多种质控图（contaminants、mobility shift）和 FDR 估计方法（target‑decoy 策略）。
一句话总结：MaxQuant 把“搜库+定量+质控”装进一个管道里，输出直接可统计的表格。你不需要再写脚本去链接不同软件，这对我这种懒人来说是大恩惠。
发展简史：从实验室利器到社区标准
MaxQuant 是由德国马普所（Max Planck Institute of Biochemistry）的 Jürgen Cox 等人开发的。我记得第一次用是在 2009 年，那时版本还是 1.0.x，界面相当简陋，但它的“非标记定量”概念已经让很多人眼前一亮。下面这张表能帮你快速了解它的迭代脉络：
| 版本阶段 | 主要里程碑 | 我个人的印象 |
|---|---|---|
| 1.0.x (2008‑2010) | 支持 SILAC 定量，首次实现肽段跨样本匹配 | 那时候 Bug 还挺多，但科研圈子已经传开了 |
| 1.2.x (2011‑2013) | 引入 LFQ 算法（MaxLFQ），FDR 控制优化 | 我很多次的质谱项目都用这个版本，稳定 |
| 1.5.x (2014‑2017) | 支持 TMT/iTRAQ，多组学整合模块 | 后来大规模临床样本分析不得不升级 |
| 1.6.x (2018‑2021) | Andromeda 性能提升，匹配算法改进，增加 PTM 统计 | Match between runs 的准确度好了很多 |
| 2.x (2022‑至今) | 支持直接读 Bruker TIMS‑TOF 数据，GPU 加速标定 | 最近我用 2.6 版跑了一大组 diaPASEF 数据，速度惊人 |
关键点在于：MaxQuant 始终保持免费开源（GPL），这也是它能在全球质谱实验室普及的重要原因。相比之下，Mascot 和 Sequest 都是商业软件，许可费用可不是小数目。
一个常见的误解：很多人认为 MaxQuant 只适用于 Thermo 的仪器。其实从 1.5 版本后它已经支持多品牌原始格式（Bruker、Sciex、Agilent 等），只是各厂家的支持成熟度不同。如果你用的是非 Thermo 仪器，建议先去官网查一下兼容列表，否则导入 RAW 时就报错——我曾经因为这个浪费了一整天。
和 Mascot / Sequest 比，差别在哪
好，咱们来点硬核对比。Mascot 和 Sequest 是老牌搜索引擎，20 年前我就用过它们。但 MaxQuant 不是“新一代搜索引擎”那么简单，它更像一个生态。我从三个维度比较：
| 维度 | MaxQuant | Mascot | Sequest（含 Proteome Discoverer） |
|---|---|---|---|
| 搜索算法 | Andromeda（概率打分+评分光栅） | MOWSE 概率模型 | Cross Correlation（XCorr）+ 概率打分 |
| 输入格式 | 直接读 RAW、.d、mzML | 需转成 MGF 或 mzML | 可读 RAW（通过 Proteome Discoverer） |
| 定量集成 | 原生：LFQ、SILAC、TMT、iTRAQ | 无集成，需第三方（如 MaxQuant 或自家脚本） | 定量模块较弱，需要额外插件 |
| 跨样本匹配 | 内置 Match between runs | 无原生支持 | PD 有 Feature Mapper，但不如 MaxQuant 灵活 |
| 许可与成本 | 免费开源 | 商业收费（按年或按次） | 商业收费（包含在 PD 许可内） |
| 社区与更新 | GitHub 活跃，社区论坛强大 | Matrix Science 维护，更新偏慢 | Thermo Fisher 维护，封闭开发 |
我个人的体会是：如果你只做蛋白鉴定（比如 shotgun 初筛），Mascot 或 Sequest 完全够用。但一旦涉及定量（尤其是多组平行样本的 LFQ），MaxQuant 的优势就出来了。我做过一个对比实验：同样的 RAW 文件，用 Mascot 搜库然后手动提取峰面积，和用 MaxQuant 一键定量，最后定量值的 CV（变异系数）差异不大，但我的工作时间从 3 天缩短到 2 小时。你说我选哪个？
小技巧：你可以在 MaxQuant 中调用 Mascot 的结果吗？不能。MaxQuant 只认自己的 Andromeda 搜索结果。但如果你的实验室历史数据全是 Mascot 的 MGF，可以先在 MaxQuant 里用 Andromeda 重新搜一遍，然后利用它的定量管道。我曾经这样给一个合作实验室做了旧数据重分析，发现之前用 Mascot 时漏掉了接近 30% 的定量信息——因为 Mascot 没有跨样本匹配功能。
什么时候该选 MaxQuant？避坑指南
不是所有项目都适合 MaxQuant。我根据实践总结几条：
- 数据量适中（< 200 个 RAW）：MaxQuant 的内存需求不低，我试过一次性塞 400 个临床样本，结果 32 GB 内存直接爆掉。大样本可以考虑分割成多个组，或考虑 DIA‑NN 等工具。
- 使用 Thermo 或 Bruker 仪器：虽然支持多品牌，但这两个厂家的格式兼容最好，特别是 Bruker 的 TIMS‑TOF 系列，要用 2.0+ 版本。
- 需要灵活调整参数：MaxQuant 的 xml 配置文件可以精细控制 FDR、同位素杂峰校正、酶切特异性等。我曾经调整了“Second peptide”开关，使鉴定率提升了 30%。
- 你的下游分析需要高质量定量矩阵：MaxQuant 输出的 evidence.txt 和 proteinGroups.txt 格式清晰，直接可以喂给 R 或 Python 做差异分析。相比 Proteome Discoverer 导出的表格，MaxQuant 的列名更加直观，省去了很多重命名步骤。
曾经栽的坑：有一回我为了匹配一个旧版 MaxQuant 版本的 workflow，手动改 mqpar.xml 时把 “maxMissedCleavages” 写成了 4，结果运行了 3 天还没完。后来发现默认值是 2，改成 4 后搜索空间爆炸。嗯，关键参数不要随便加倍，一次只改一项。
最后说个题外话：MaxQuant 虽然叫“Max”开头，但它和 MaxQuant 的开发者 Jürgen Cox 本人一样，很低调。你不需要很高的计算机配置就能跑小规模样本，但记得装好 .NET Framework（Windows 独占！）。没错，它至今只有 Windows 版本，Linux 和 macOS 用户只能靠虚拟机或 Wine，虽然能跑，但性能和稳定性要差一些。要是我有选择，我绝不会在 Mac 上跑批量 MaxQuant——太慢了。