Denovo肽段测序后的数据，肽段序列非常多，请问怎么筛选能够减少数量？

Denovo肽段测序结果中肽段数量通常较多，包含大量冗余或低可信度序列。为实现高效筛选、减少无效序列数量，建议从以下几个维度系统性筛选：

一、根据可信度评分筛选（Primary filter）

大多数De novo算法（如 PEAKS、Novor、pNovo 等）都会给出每条肽段的 Average Local Confidence (ALC) 或类似的 confidence score：

• 建议阈值：ALC ≥ 70 或 Confidence ≥ 80（视软件而定）

• 作用：去除大量低可信度的序列，避免假阳性

二、删除冗余序列（Redundancy reduction）

同一肽段可能在多个谱图中反复识别，或出现轻微修饰变体：

• 策略：合并完全重复的肽段序列；可选地合并“高度相似”的序列（如 edit distance ≤ 1），保留得分更高者

• 工具建议：CD-HIT 或自定义脚本（Python + Levenshtein distance）

三、按肽段长度筛选

极短的肽段（<6 aa）通常特异性和识别价值较低：

• 建议阈值：保留长度 ≥ 6 或 7 aa 的肽段

四、仅保留含特定特征的肽段（Feature-based filtering）

根据实验目的进行定向筛选：

• 含特定氨基酸（如Cys、Phospho-Ser/Thr）

• 匹配特定模式（motif）或位点（如酶切位点附近）

五、结合数据库搜索结果（Hybrid filtering）

若同时做了 database search（如Byonic、Mascot、MaxQuant）：

将 De novo 序列与数据库鉴定结果匹配，保留与已知蛋白部分匹配的序列（partial match），也可反向地保留未匹配的“新肽段”做后续分析（如新翻译本、突变等）

六、根据谱图质量进一步筛选

可用以下标准限制输入谱图：

• MS/MS 总离子强度 > 阈值

• 碎片离子覆盖率 > X%

• b/y 离子比例较高的谱图优先保留

百泰派克生物科技--生物制品表征，多组学生物质谱检测优质服务商

相关服务：

多肽从头测序