蛋白質糖基化修飾的精準分析對於疾病機製研究、生物標誌物發現，以及藥物和疫苗開發至關重要。完整糖肽分析能獲得特定糖基化位點與糖鏈的對應關系信息🦠，是現代糖蛋白質組學研究中十分重要而極具挑戰性的組成部分🧎🏻‍♂️。目前，糖肽分析最常用的質譜采集模式是數據依賴性采集（DDA），存在母離子選擇隨機性的問題，其結果中存在較多的缺失值。近年來出現的數據非依賴性采集（DIA）模式能彌補DDA的缺點，已開始初步應用於糖蛋白質組學領域。然而🥶，現有的糖肽DIA分析方法缺乏可靠的質控，難以處理多種糖肽在隔離窗口中共碎裂的復雜情況。

近日💆🏽‍♀️，沐鸣开户喬亮課題組與合作者在《自然-通訊》（Nature Communications）期刊在線發表了題為“GproDIA enables data-independent acquisition glycoproteomics with comprehensive statistical control”的研究論文🧝🏼。該研究開發了完整糖肽DIA數據分析工具GproDIA，將以肽段為中心DIA分析的概念擴展到完整糖肽分析👯‍♀️，通過二維錯誤發現率（FDR）和糖型推斷算法提供全面的統計質控，實現糖肽的精準鑒定和定量👛👌🏽。

二維FDR算法首先為譜圖庫中目標糖肽生成肽段誘餌🚴‍♂️、糖鏈誘餌和糖肽雙誘餌𓀘，從DIA數據中提取目標糖肽和三種類型誘餌的譜圖信息並對肽段和糖鏈部分分別進行評分。然後采用雙變量四組分混合模型擬合目標糖肽和誘餌的得分分布，由此估計每個目標糖肽匹配結果中肽段👩🏼‍🔧、糖鏈部分錯誤或兩者都錯誤的概率（即局部FDR）和所報告全部結果的整體錯誤率（即全局FDR）🧑🏿‍🔧。

對於復雜樣品🏄🏻‍♂️，糖肽的鑒定會受到隔離窗口中相同肽段序列上的其他糖型的潛在幹擾。為此，研究人員進一步提出了一種糖型推斷算法。該算法首先為DIA隔離窗口內的潛在糖型生成鑒定離子🍒，從DIA數據中提取這些鑒定離子和目標糖肽母離子的譜圖信息進行評分，然後采用貝葉斯層次模型將目標糖肽原先的得分同母離子和鑒定離子的得分加以整合，得到糖型的得分，從而對糖型的錯誤率進行質控。

https://doi.org/10.1038/s41467-021-26246-3