近日，分析化學權威期刊Analytical Chemistry發表暨南大學張弓課題組的論文Highly Robust de novo Full-length Protein Sequencing，成功研發了高穩健性、超高精度的蛋白質全長從頭測序方案，蛋白質序列覆蓋率和準確率在大部分測試中都達到了100%，最低也有99%。其穩健性和準確率都創下了迄今為止世界紀錄。

實用化的蛋白質全長高精度測序的時代已然到來。

現如今核酸測序已十分成熟，大部分測序儀都能提供超過99%的核酸測序準確度。但蛋白質的全長測序（測定其氨基酸序列）卻一直是個難題，其序列覆蓋率、準確率、成本都難以滿足應用的需求。1967年，Edman和Beggs發明了Edman降解法蛋白質測序，但只能測定肽鏈N端的25~50個氨基酸，且成本很高。隨著蛋白質質譜技術的發展，質譜技術越來越多地被用于蛋白質的從頭測序。由于整個蛋白質很難在質譜儀中進行分析，需事先用酶降解為短的肽段，再用質譜儀分析，從譜圖中識別每個肽段的氨基酸序列，再將諸多肽段的序列拼接起來成為完整的蛋白質序列。

這種方法在實踐中往往效果非常差，其主要困難在于：(1) 拼接序列需要兩個肽段具備一定的重疊部分，而常用于酶切的限制性蛋白酶切出的肽段常常不重合，因此往往拼不上。(2) 蛋白質長鏈各部分理化性質可以差異很大，沒有任何一種酶切方案能兼顧。(3) 肽段從頭測序算法誤差很大，對肽段序列的識別錯誤率很高，可高達30-50%，而且錯誤在肽段兩端分布較多，而肽段兩端恰恰是拼接時尋找重疊段的部分。

正是由于以上的困難，蛋白質全長拼接的完整度和準確度長期低迷。雖然偶爾有新算法被開發出來，在某些蛋白質上能取得較好的效果，但高度依賴實驗數據的質量，并且在其他蛋白質上效果就不好。

暨南大學張弓課題組在核酸測序方面深耕多年，其開發的FANSe系列核酸測序算法是迄今為止穩健性和準確性最高的比對算法。他們想到，蛋白質測序目前的困境在多年以前也困擾著基因組從頭測序組裝，因此他們將基因組組裝的contig-scaffolding策略移植到蛋白質測序上，使用多種非特異性蛋白酶和化學降解法對蛋白質進行切割，每次切割都進行質譜分析和初步拼接，然后將多種切割方案的初步拼接結果互相比對，組裝成更完整的蛋白質序列框架，再重復使用這些結果的序列數據進行相互校正，進行精細補空與糾錯。這一方案被稱為MuCS。

在三種不同結構特性的蛋白質的測試中，研究者故意在實驗中采用粗放的實驗手段，多次重復時產生質譜數據的質量參差不齊，但MuCS每次都能拼接出一個完整的序列，且均能達到99-100%的覆蓋度和準確率，沒有任何錯誤的序列插入。而作為對比的蛋白質測序算法pTA和ALPS，序列覆蓋度、完整性、準確度均不及MuCS，甚至會自作主張地插入最高達63%的序列（這些序列本來不存在于樣品中）。

即便是在困難的膜蛋白上，由于跨膜段沒有獲得任何質譜數據而無法拼接，其他部分MuCS均達到了穩健和精確的全長拼接結果，而pTA和ALPS的結果幾乎無法使用。更重要的是，雖然進行了三次降解和質譜，但總成本卻并不高，操作簡便，算法也大部分可自動化運行，因此這種方法十分具備可推廣性。

高穩健性、超高精度、低成本的蛋白質全長高精度測序方案，將使得分析未知蛋白質樣品成為常規檢驗項目，大大促進藥物質控、抗體工程、疾病診斷、法醫鑒定、蛋白質反向工程破解等應用。

MuCS的算法部分可在承啟生物的網站上免費下載：http://chi-biotech.com/mucs/