一小时十万张天书谱图，计算机怎么猜出它是哪个蛋白？从 SEQUEST 到 MaxQuant 的搜库破壁史！
1994 年 10月1日 · MaxQuant / Proteome Discoverer / DIA-NN 搜库软件与 UniProt FASTA 蛋白质序列库
你知道吗？
在 1994 年 SEQUEST 算法诞生前，解一张二级质谱图是老法师拿着尺子算一下午的手工算命；Yates 只用一句‘拿虚拟酶切理论谱和真实谱做互相关打分’，就让质谱仪从此学会了自己读书。
今天你做完一针蛋白质组学（LC-MS/MS），从质谱室拷贝回一个几 GB 大小的 .raw 原始文件，扔进 MaxQuant、Proteome Discoverer 或 DIA-NN 软件里，导入人类或小鼠的 UniProt .fasta 序列库，点下 Start 去吃个午饭回来，表格里就已经整整齐齐列出了五千个蛋白质的名字和定量值。
但你知道在 1994 年之前，质谱学家是怎么解谱的吗？那时候没有自动搜库算法，每打碎一个肽段拿到一张布满上百根 b 离子和 y 离子碎片的二级质谱图（MS/MS），博士生就得拿一把尺子和计算器坐在打印出来的谱图前，像破译甲骨文一样拿两根相邻峰的质量差去查 20 种氨基酸的分子量表，人工从头推导（De novo sequencing）一整天才能猜出两三条肽段！
如果遇上现代质谱仪一小时狂飙十万张二级谱图，全人类算一辈子也算不完。1994 年 10 月，华盛顿大学的 John Yates III 与年轻工程师 Jimmy Eng 在《JASMS》上发表了蛋白质组学史上最具统治力的算法鼻祖——SEQUEST！
他们彻底颠覆了思路：不要让电脑去硬猜未知序列，而是先把物种基因组翻译出的所有蛋白在电脑里做“虚拟胰酶切割（In silico digestion）”，根据一级母离子质量挑出候选肽段，再在内存里生成它们的理论 b/y 碎片谱图，最后用快速傅里叶变换互相关函数（Cross-correlation, XCorr）给真实谱图和理论谱图打相似度匹配分！
到了 2008 年，马普所的 Jürgen Cox 与 Matthias Mann 更免费开源了集三维同位素峰簇追踪、非线性质量校准与 LFQ 无标定量于一身的 MaxQuant，让全球每一个普通生物实验室都能零门槛玩转蛋白质组学大数据！