MaxQuant 简介：发展历史、核心功能与软件对比
说到质谱定量软件，MaxQuant 绝对是个绕不开的名字。我记得十年前刚入行时，实验室里大家还在手工处理原始谱图，直到有一天师兄扔给我一个叫 MaxQuant 的东西，说“试试这个，能省你两周时间”。
那会儿版本才 1.0.x，界面朴素得很。但跑完第一批数据我就服了——这玩意儿是真的懂蛋白质组学。
发展历史：从实验室工具到行业标杆
MaxQuant 是德国马普所 Jürgen Cox 团队开发的。最早就是为了解决 SILAC 标记数据的定量问题。当时市面上的软件要么跑不动大样本，要么定量精度惨不忍睹。
第一个公开版本大概在 2008 年左右。我记得那时候装个 MaxQuant 还得先装 .NET Framework，每次都折腾半天。后来发展就快了，版本号从 1.0 跳到 1.5，再到现在的 2.x 系列。
现在 MaxQuant 已经不只是 SILAC 工具了。它支持 label-free、TMT、iTRAQ，还能处理 DDA 和 DIA 数据。社区版免费开源，学术圈用得特别多。
核心功能：为什么大家都在用
MaxQuant 的核心功能，说白了就四点：
- Andromeda 搜索引擎——不是最快的，但肽段鉴定灵敏度和精度都相当能打。
- LFQ 算法——Label-free 定量，基于 MaxLFQ，对缺失值的处理比大部分对手都聪明。
- Match Between Runs——把不同样品间的相同肽段匹配起来，大幅减少缺失值。我个人最爱的功能。
- 可视化与质控——viewer 虽丑，但信息密度极高，一张图表就能看出数据质量。
你想想看，一个软件能把鉴定、定量、匹配、可视化全部包圆，而且输出可以直接丢进 Perseus 做统计。这在 2015 年那会儿简直就是神器。
| 功能模块 | 具体能力 | 我踩过的坑 |
|---|---|---|
| 鉴定引擎 | Andromeda，支持 trypsin、LysC 等多酶切 | 曾经忽略了酶切位点设置，导致一堆假阳性——嗯，后来老老实实查了 Uniprot |
| 定量算法 | MaxLFQ、SILAC、TMT Reporter | LFQ 对小样本量敏感，少于 3 个重复结果会飘得厉害 |
| Match Between Runs | 跨样品匹配，减少缺失值 | 时间窗口设太宽会引入 noise，我习惯设 0.7 min |
| 输出整合 | evidence.txt、proteinGroups.txt 等十个文件 | 记得每次先改 columns 导出，默认删了很多有用的字段 |
与 ProteomeDiscoverer、FragPipe 的对比
市面上的定量软件不止一家。我这些年用过 ProteomeDiscoverer、FragPipe、MSFragger、Skyline……各有各的脾气。下面重点聊聊大家最常拿来比较的两位：
ProteomeDiscoverer（PD）
Thermo 自家的亲儿子。界面现代化，处理 large-scale 项目很稳。但问题是——贵。一个 license 几万美金，学生党基本用不起。
从技术层面看，PD 的 consensus 模块设计得挺好，能把多个实验合并做统计。但搜索算法（Sequest/Amanda）的鉴定速度和 MaxQuant 的 Andromeda 比，说实话差距不大。
我记得有一次帮合作方处理 Orbitrap 数据，PD 死活装不上，最后用 MaxQuant 跑完——对方一脸震惊“免费软件也能做到这个精度？”
FragPipe（包括 MSFragger）
FragPipe 是 Nesvizhskii 组的作品。主打「开放搜索」（open search），能鉴定非特异性酶切和修饰，这在传统 closed search 里是盲区。
我个人觉得 FragPipe 在 PTM 鉴定上确实比 MaxQuant 强。比如磷酸化位点定位，FragPipe 的 localization score 更精细。但论用户体验，FragPipe 的 GUI 远不如 MaxQuant 顺手，命令行操作对新手不太友好。
| 对比维度 | MaxQuant | ProteomeDiscoverer | FragPipe |
|---|---|---|---|
| 算法核心 | Andromeda (probabilistic) | Sequest/Amanda | MSFragger (open search) |
| 搜索速度 | 中等，依赖 CPU 多线程 | 偏慢，尤其大样本 | 快，支持 GPU 加速 |
| 定量能力 | MaxLFQ / SILAC / TMT | Minora / TMT Quantifier | IonQuant / TMT |
| GUI 体验 | 简洁但略简陋 | 漂亮，但配置复杂 | 命令行为主 |
| 许可证 | 免费开源 | 商业收费 | 免费开源 |
| 适用场景 | 常规 LFQ、SILAC、TMT | Thermo 数据流、多项目合并 | 修饰组学、open search |
MaxQuant 在细胞级定量 Pipeline 中的位置
既然我们这门课叫《细胞级 MaxQuant 定量 Pipeline 搭建详解》，那就得聊清楚 MaxQuant 在整个流程里到底干啥。
一般来说，细胞样本从培养到定量，流程是这样的：
- 细胞培养 + 标记（SILAC 或免标记）
- 蛋白提取、酶切
- 液相分离 + 质谱采集
- MaxQuant 处理原始谱图——鉴定、定量、匹配
- 下游统计（Perseus 或 R）
第 4 步就是咱们的战场。MaxQuant 把 .raw 或 .d 文件读进去，输出 evidence.txt、proteinGroups.txt 等表格。这些表格再被灌入 Perseus 做差异分析、聚类、通路富集。
我建议初学者先别急着调参数。跑一遍默认流程，看看输出的几张图——XIC、peptide intensity、contamination profile。这些图表会告诉你数据质量如何，哪些肽段被污染了，哪些样本需要重跑。
好了，MaxQuant 的核心概念就聊到这里。下一节我们会深入拆解 Andromeda 搜索引擎的原理，以及怎么设置参数才能让鉴定率最大化。不过那是后话了——先把第二章消化掉，尤其是软件对比那张表，对照着你的实验设计选工具。