蛋白质鉴定FDR与差异丰度

更新：2026-10-26；状态：可用；验证范围：2026-10-26官方/原始来源核对；标准库教学演示实际执行；专业验证范围见正文。

两道统计关口

“这个谱图对应哪条肽段”和“这个蛋白在条件间是否改变”使用不同数据与零假设。鉴定层FDR不能替代差异层FDR。学完应能画出谱图→PSM→肽段→蛋白组→样本丰度的层级，并解释共享肽段及未检出。前置读P值效应量与多重检验、缺失值与零值及生物学重复与技术重复。

鉴定错误如何估计

PSM是谱图与候选肽段的匹配。搜索目标序列和构造的诱饵decoy序列时，诱饵命中可以为错误匹配提供估计线索；前提包括目标/诱饵搜索空间、竞争规则与错误得分行为。Elias与Gygi原始研究讨论了target-decoy的假设和设计。它不表示某一个被接受肽段“恰有1%的概率是错的”，也不自动把PSM层阈值转成蛋白层FDR。

在一个假定目标/诱饵规模和错误竞争可比的教学约定下，某阈值上100个目标命中、2个诱饵命中，可用D/T=0.02直观估计错误比例量级。真实流程可能采用不同竞争、加一修正或层级控制，不能未经核对把2/100写成所有软件统一算法，也不能把这个toy当作已控制FDR的证明。

蛋白推断又有共享肽段：同一序列可能对应多个蛋白或同工型。蛋白组是按证据可区分性组织的集合，不代表每个候选同工型均被独立测到。增加数据库、放宽修饰或搜索范围会改变候选空间与错误控制，不是“搜索越全越好”而无需代价。

从肽段强度到条件效应

设$y_{psj}$是蛋白$p$的肽段/特征$s$在样本$j$的log2强度，可用示意模型 $y_{psj}=\mu_p+\eta_{ps}+\beta_pT_j+u_{pj}+\epsilon_{psj}$。$\eta$代表肽段响应差异，$T$是条件，$u$为生物样本层变化；模型选择取决于DDA/DIA、标记方式和实验层级，不能把同一供体多个谱图当独立供体。MSstats文档提供对应工作流入口，本页不提供统一搜索/定量参数。

若两条相应肽段的B/A强度比都为2，log2比值均1，简单中位数汇总得到蛋白log2FC=1。若其中一条是共享肽段或受修饰影响，就不该未经规则直接混入同一蛋白丰度。若某组未检出，也不等于真实强度0：检测限、随机采样、离子化和缺失机制需另外判断。

差异层的多重校正另做

四个蛋白原始P按序为0.001、0.01、0.04、0.2，BH先算$mP_{(i)}/i$再从尾向前取累计最小并限于1，得到0.004、0.02、约0.05333、0.2。鉴定的2%错误估计不能代替这一步；反过来差异padj小也不能确认搜索身份。

输出、参数与排错

同时交付鉴定层级、数据库/搜索设定、共享肽段规则、定量单位、缺失/归一化、样本设计、效应与区间/P/FDR。每一层过滤都保留数量与理由。

症状	原因候选	检查
蛋白数量随搜索扩张大增	候选与错误空间变大	层级FDR、数据库和诱饵规则
补零后出现极大倍数	未检出被当真零	检测限、原强度与缺失机制
同一蛋白各肽段方向相反	共享、修饰或特征异常	肽段归属、特异性和原谱图
P极小但只有一供体	技术记录被当重复	生物学单位与模型自由度

自测与答案

1. PSM通过1%FDR是否证明蛋白也1%？答：层级不同，需分别控制。
2. 蛋白丰度增加是否等于活性增强？答：修饰、定位与反应状态另需证据。
3. 共享肽段能确认所有同工型吗？答：不能超过证据可区分范围。

在电脑上核对这一小步

先下载项目ZIP并解压，进入同时含README.md和examples的项目根目录。不熟悉终端和当前目录时读R与Python路径文件与项目组织。以下在系统终端执行，需Python 3.10+，只用标准库，无需pip安装；Windows可将python3替换为已安装的python或py。

python3 examples/methods_omics_demo.py --case proteomics

输入是脚本内置人工数字，不需下载专业数据。成功会打印JSON，并生成examples/output/methods-omics/proteomics/summary.json；cases.proteomics下的字段对应本页演算。非空输出目录会拒绝覆盖，第二次练习可在命令后加--output examples/output/methods-omics/proteomics-practice2。不要为了重跑删除不明来源的数据。

**检查点：**illustrative_decoy_over_target=0.02；BH=[0.004,0.02,约0.0533333,0.2]；protein_median_log2_ratio=1。

阅读源码时先找到同名函数，逐一对照输入、运算与输出；要修改数字，先复制整个解压项目并运行副本，再手算新的预期。脚本含若干固定结果断言，修改教学条件时也需重新核对相应断言；断言失败不自动说明专业方法失效。本轮已实际运行全部22个标准库模式，Python 3.14.8；本页范围为诱饵比例示意、肽段倍数与BH算术；未运行质谱搜索、蛋白推断或MSstats。演示没有为真实样本产生专业P值或性能结论。

来源与下一步

本轮查阅日期为2026-10-26；正文原始来源支持对应技术事实，手算与代码是本项目人工教学设计。方法页解释模型，安装及大数据运行交给相应工具/工作流页。教学组织参考GTN的步骤与检查点、Bioinformatics Workbook的问题驱动练习；未复制其教程正文。

保留的相关入口：蛋白质组与代谢组验证设计、target-decoy原始论文、MSstats官方入口。

学习顺序、前置与练习清单见方法与算法系统学习指南。

公式里的矩阵、下标或对数不熟时，可回查读懂方法公式的最小数学基础。