📚 课程目录第2章 MaxQuant工作流程概览

MaxQuant工作流程概览

做质谱数据分析，很多人上来就点“Run”。
嗯，这样跑是能出结果，但结果质量嘛……我不敢打包票。

我一直认为，搞懂MaxQuant的工作流程，比学会点按钮重要得多。
你只有知道软件背后在做什么，才能理解每条参数为什么这么设，FDR为什么能控制住。

这一章，我带大家把流程拆开看看。

  核心观点： MaxQuant不是黑盒子。它的流程可以分为三大阶段——数据预处理、肽段与蛋白鉴定、FDR过滤与定量。每一阶段都有对应的参数和检查点。

2.1 原始数据文件与实验设计

整个流程的起点，是质谱仪生成的原始文件。
我看过不少新手，直接把十几个 .raw 文件丢进去就跑。然后对着结果文件夹发愣——哪个样本对应哪个组？

我个人习惯是，在准备数据的同时就写好 experimentalDesignTemplate.txt。
这个文件决定了 MaxQuant 怎么分组、怎么比对，尤其影响 later 的 LFQ 定量。

Tip： Raw 文件的命名要简洁且统一。我建议格式：
日期_条件_生物学重复_技术重复.raw
比如 20240901_Treatment_R1_Run1.raw。这样在参数表里一眼就能看清楚分组。

实验设计表说白了就是两列：一列文件名（不含 .raw），一列实验组名。
组名可以写 Control、Treatment_1h 等等，最好别用编号 1、2、3，不然分析完对照着表查半天。

2.2 参数配置组（XML 配置文件）

MaxQuant 把参数保存在 mqpar.xml 里。你可以在界面里配置，也可以用脚本生成。
我经常讲：「所有 FDR 相关的内容，都在这个文件里」。

下面是 mqpar.xml 中和 FDR 直接相关的几个参数段——

<?xml version="1.0" encoding="utf-8"?>
<MaxQuantParams xmlns="...>
  <!-- 酶切参数 -->
  <Digestion>
    <Enzyme>Trypsin/P</Enzyme>
    <MaxMissedCleavages>2</MaxMissedCleavages>
  </Digestion>
  <!-- FDR 三级阈值 -->
  <Fdr>
    <PsmFdr>0.01</PsmFdr>
    <PeptideFdr>0.01</PeptideFdr>
    <ProteinFdr>0.01</ProteinFdr>
  </Fdr>
  <!-- 诱饵库开关 -->
  <Decoy>
    <DecoyMode>R</DecoyMode>
    <DecoyFraction>0.01</DecoyFraction>
  </Decoy>
</MaxQuantParams>

嗯，这里要特别注意：FDR 是三级独立的——PSM、肽段、蛋白各有一个阈值。
多数情况下我都设为 0.01（1%）。但有些项目如果蛋白鉴定数太少，可以考虑适当放宽到 0.05，但不能超过 0.1。

⚠ 我曾经遇到过： 把 DecoyMode 从 R（反向序列）改成了 R 之外的选项，结果诱饵分布直接崩掉，FDR 估计完全不准。后来排查了两天才发现——诱饵模式选错了。

2.3 肽段鉴定：从二级谱图到 PSM

这一块是 MaxQuant 的核心引擎 Andromeda 的活。
说白了，就是把二级碎片质谱图和你准备的蛋白数据库做匹配，算出一个匹配得分（Score）。

匹配完之后，每个谱图可能对应多个候选肽段，但只有得分最高的那个被保留为 PSM（肽段谱图匹配）。
那怎么判断这个 PSM 靠不靠谱呢？——就是 FDR 登场的地方了。

常规流程里，MaxQuant 做了这么几步：

一级图谱提取： 算出每个肽段的母离子质荷比和保留时间
二级碎片解析： 把二级碎片做成峰列表，和理论碎片做比对
Score 计算： 基于 Andromeda 的匹配逻辑生成 Score 和 Delta Score
假阳性评估： 通过诱饵库匹配数，反推真实匹配的 FDR

我个人习惯在检查结果时，先看 msms.txt 里的 Score 分布。
如果诱饵匹配的 Score 和目标库的 Score 有明显重叠区，说明样本质量或参数可能有问题。

2.4 蛋白推断（Protein Inference）

鉴定完肽段后，你要把肽段「拼」回蛋白。
这个步骤叫蛋白推断。MaxQuant 用的是一个很聪明的原则——奥卡姆剃刀（Occam's razor）。

什么奥卡姆剃刀？
想象一下：你有两个肽段，一个只出现在蛋白 A 里，另一个同时在蛋白 A 和 B 里。MaxQuant 会优先认为，这两个肽段都来自蛋白 A。蛋白 B 如果没有独有肽段支持，会被归入“蛋白组（Protein Group）”，而不是独立鉴定。

你想想看，这里的大坑是什么？
——如果蛋白 A 被 FDR 过滤掉了，同时丢失的还有共享肽段的信息，可能导致蛋白 B 也被误判。

  所以，我的建议是： 在看最终蛋白列表（proteinGroups.txt）之前，先检查 peptides.txt 里每个蛋白组的独有肽段数（Unique Peptides）。如果为 0，就要小心了——那基本是个假阳性或噪声鉴定。

2.5 结果文件一瞥

MaxQuant 会生成一整套结果文件。每一份都有它在流程中的特定角色。

文件	内容	FDR 相关字段
msms.txt	所有二级谱图的匹配信息	Score, Delta Score, PEP
evidence.txt	每条肽段的定量与鉴定证据	PEP, q-value
peptides.txt	汇总每条肽段的多文件统计	Peptide PEP, Peptide q-value
proteinGroups.txt	蛋白组的鉴定与定量结果	Protein PEP, Protein q-value, Score
summary.txt	每轮鉴定的整体统计	鉴定总数、FDR 实际值

我在项目中见过不下50次，有人只盯着 proteinGroups.txt 看，完全不检查 msms.txt 或 summary.txt。
结果发文章前才发现，整体 PSM 层面的 FDR 已经超过 5% 了。

记住：FDR 是三级瀑布。一级失守，后面全部失守。

快速检查技巧：
打开 summary.txt，看第 2 列 Peptide IDs 和 Protein IDs 的数字。
然后看最后一列 FDR，如果这个值大于你设置的阈值（比如 1%），说明这轮跑失败了。
我刚用 MaxQuant 时就在这栽过跟头——FDR 栏显示 3.8%，我还以为自动修正了。其实没修正，它只是如实汇报你看着办。

2.6 一个小结思维导图

到这，你应该能理解：MaxQuant 不是一个简单的搜库软件，它是一套完整的质谱数据分析流水线。
从原始文件到蛋白列表，中间经过酶切、匹配、打分、FDR 控制、蛋白推断、定量整合，每一步都牵一发动全身。

我个人最深的体会是：你控制 FDR 的位置越多，最后结果的可靠性就越高。
如果只在蛋白层面设一个 0.01，前面 PSM 和肽段层面的 FDR 都放开，那蛋白层面的 0.01 其实是一个假象——因为你已经放进来太多错误的肽段了。