DIA-NN软件的开发者Vadim Demichev团队日前公开了其于HUPO2024大会上展示的海报，其介绍了DIA-NN上新设的peptidoform FDR模块。海报链接：DiaNN/Presentations/HUPO 2024 poster.pdf at master · vdemichev/DiaNN · GitHub。
DIA-NN是数据非依赖型采集用于分析蛋白质组学数据的王牌软件。除了普通蛋白质组外，目前DIA-NN也支持分析翻译后修饰（及修饰位点；笔者注：修饰位点的确认及定量，又名site-specific issue，其实是DIA分析相较于DDA的一大优势；前几年的数篇技术论文有详细讨论，笔者亦写过一篇相关的综述博客，链接：http://www.liangxiao.pro/tag/ptm/ 供参考）。但论文提到，DIA目前对于多肽型（原文peptidoform，原指一种多肽的序列、翻译后修饰、结构等性质的组合）区分的置信度（confidence）并没有单独的模块，而这可能会导致错误匹配不受控制。
通常，对DIA数据测出的多肽的置信评估是基于多肽层面的target-decoy模型进行的。Decoy通常是跟target peptide总数目一致、序列随机打乱但质荷比不变的一套多肽。可以看出，这种评估是“peptide-centric”，但并没有能考虑PTM等更精细的多肽型匹配中出现的错误。原版本的DIA-NN通过调整decoy的生成方式，将打乱序列修改成随机突变掉修饰位点的一个氨基酸，实现了对于DIA数据中PTM的置信评估（实施例可参考2021年的Nature Communications论文：https://www.nature.com/articles/s41467-021-25454-1）。DIA-NN 团队本次再度优化了decoy的生成方式，修改为“随机突变掉这条多肽的任一氨基酸、不限于修饰位点”（见下图）。藉此，DIA-NN对匹配出的多肽置信评估将不再仅限于一种特定的PTM，因此无比地符合多肽型的定义；其生成方式基于传统decoy但没有带来额外复杂度，因此堪称“优雅”。笔者认为，DIA-NN的下一个故事或许就是DIA-NN Open search。
为了验证这种新方法的有效性，研究者们给出了多个例子，包括普通DIA数据检索和多重DIA数据检索(SILAC)；以及泛素化、磷酸化两种修饰的检索。新方法皆降低了多肽的错误匹配数。尽管在一些例子中正确匹配的多肽数目也有降低，但“准确度”和“灵敏度”本身就是质谱检测中绕不开的平衡。
DIA-NN的开发者们也走向了商业化，成立了初创公司APTILA，公司链接https://aptila.bio/，最近将推出其软件的企业版本。
来者可追……
