基准评测揭示 de novo 肽段测序模型在序列歧义上的局限

一项基准评测比较了八个直接从质谱碎片谱预测肽段序列的深度学习模型，发现其测序错误大多源于碎片谱不完整，而非模型设计本身。研究在三个公开蛋白质组数据集上评测这八个模型，用既有指标比较性能并量化模型间一致性，同时考察迭代精修、重打分和重排序等后处理能否提升鉴定准确率，并对常见误判做错误分析。结果显示各模型性能存在差异，但正确鉴定结果有相当程度重叠；后处理带来的提升很小甚至没有；多数测序错误与具体模型无关，由有限的碎片离子覆盖驱动，这一限制在大搜索空间的数据库检索中同样出现。作者据此提出，工具应标记不确定区域，而不是强行给出完整序列。