《Nature Communications》：XL-MSDigger: a deep learning-based, versatile solution for cross-linking mass spectrometry
编辑推荐：
【编辑推荐】本研究针对交联质谱（XL-MS）技术在数据处理与分析方法上的严重缺陷，开发了基于深度学习的多功能平台XL-MSDigger。通过Deep4D-XL工具精准预测交联肽段的多维信息，建立了DDA/DIA数据的重打分算法，显著提升了XL-MS鉴定覆盖率和可靠性，为蛋白质结构与相互作用研究提供了创新解决方案。
在结构生物学和蛋白质组学研究领域，交联质谱（Cross-linking mass spectrometry, XL-MS）技术犹如一把能够揭示蛋白质三维结构和相互作用网络的“分子尺”。通过化学交联剂将空间距离邻近的氨基酸残基连接，再经质谱鉴定交联位点，科研人员能够获得蛋白质复合物的空间构象信息。然而，这把“尺子”的精准度一直受到数据处理方法的制约——传统分析方法对交联肽段的鉴定效率低、假阳性率高，特别是对于复杂样品和大规模蛋白质相互作用研究，这些局限性更为突出。
当前XL-MS技术面临两大技术路线的瓶颈：基于数据依赖采集（Data-dependent acquisition, DDA）的方法鉴定覆盖度有限，而基于数据非依赖采集（Data-independent acquisition, DIA）的方法又缺乏可靠的假发现率（False discovery rate, FDR）控制策略。这些问题严重制约了XL-MS技术在动态蛋白质相互作用研究和结构生物学中的广泛应用。
为突破这些技术瓶颈，研究团队开发了XL-MSDigger——一个基于深度学习的多功能XL-MS分析平台。该平台的核心创新在于其深度学习工具Deep4D-XL，它能够精准预测交联肽段的多个关键物理化学参数，为后续的高精度鉴定奠定基础。相关研究成果已发表在《Nature Communications》期刊，为XL-MS技术的发展开启了新篇章。
关键技术方法
研究团队构建了深度学习模型Deep4D-XL，通过训练大规模质谱数据，实现对交联肽段保留时间（Retention time）、碰撞截面（Collisional cross-section）和碎片离子强度（Fragment ion intensity）的联合预测。基于这些预测结果，开发了针对DDA和DIA数据的重打分算法和工作流程，建立了DIA-XL-MS的假发现率评估体系，并实现了基于预测谱库的DIA分析方法。
研究结果
Deep4D-XL模型的构建与验证
通过训练深度神经网络，研究团队开发了能够同时预测交联肽段多维信息的Deep4D-XL工具。该模型利用交联肽段的序列特征和物理化学属性，准确预测其在液相色谱中的保留行为、在离子迁移谱中的碰撞截面特性以及质谱碎裂过程中的离子强度分布。验证结果表明，预测值与实验测量值高度一致，为后续的质谱数据解析提供了可靠的理论基础。
DDA数据重打分算法的开发
基于Deep4D-XL预测的多维信息，研究团队建立了DDA数据的重打分流程。该算法将实验测得的质谱数据与预测值进行比对，通过多维度匹配评分显著提高了交联肽段鉴定的准确性和覆盖度。与传统方法相比，新方法能够识别出更多可靠的交联肽段，特别是在复杂样品分析中表现优异。
DIA数据分析流程的建立
针对DIA数据的特点，研究团队开发了专门的鉴定和假发现率控制策略。通过构建预测谱库并建立匹配算法，实现了DIA模式下XL-MS数据的高可靠性鉴定。这一突破使得研究人员能够在无需预先建立实验谱库的情况下进行DIA-XL-MS分析，大大扩展了技术的应用范围。
靶向和中通量相互作用分析的应用验证
研究团队验证了XL-MSDigger在靶向蛋白质相互作用分析和中通量筛选中的实用性。平台能够有效检测蛋白质-蛋白质相互作用（Protein-protein interaction, PPI）网络，为功能基因组学和结构生物学研究提供了有力工具。特别是在动态相互作用研究和药物靶点识别方面展现出巨大潜力。
研究结论与意义
XL-MSDigger平台的建立解决了XL-MS技术发展中的关键瓶颈问题。通过深度学习驱动的多维信息预测，实现了交联肽段的高精度鉴定，显著提升了DDA和DIA两种模式下的分析性能。该平台不仅提高了鉴定灵敏度，还建立了可靠的质控标准，为XL-MS技术的标准化和推广应用奠定了基础。
这项研究的创新之处在于将人工智能技术与传统质谱分析方法相结合，创造了智能化的XL-MS数据分析范式。平台的多功能性使其能够适应不同实验设计和研究目标，从靶向验证到大范围筛选均可胜任。随着蛋白质组学研究的不断深入，XL-MSDigger有望成为结构生物学、药物开发和生物医学研究领域的重要工具，推动我们对蛋白质结构和功能关系的理解。
