隨著質譜（MS）技術的發展，蛋白質組學已經成為解讀生命過程、探尋疾病機制的關鍵工具。然而，其研究過程復雜，從樣本制備、儀器采集到數據處理，每一步都可能引入技術變異、噪音或系統性偏差。隨著蛋白質組學越來越多地參與到大規模生物學研究和多組學整合分析中，確保數據的質量變得至關重要。沒有嚴格且標準化的質量控制（QC），得出誤導性結論的風險就會增加，尤其是在將蛋白質組學數據與轉錄組學或代謝組學等其他組學層進行整合時，不可靠的數據可能會危及整個分析框架。雖然已有許多工具支持蛋白質組學的QC（如專注于MaxQuant輸出的PTXQC、用于原始LC-MS數據診斷的rawDiag、支持PRIDE數據庫提交QC的PRIDE Inspector Toolsuite等），但它們往往專注于特定流程或階段，缺乏統一的結果報告格式，且大多數工具主要支持數據依賴性采集（DDA）工作流程，缺少對DIA-NN、MaxDIA等流行數據非依賴性采集（DIA）工具的原生支持。此外，現有工具大多不原生支持標準化的樣本元數據（如SDRF格式），這在需要一致性元數據進行有意義比較的多樣本或多組學背景下，限制了其效用。

為此，研究人員開發了pmultiqc，旨在解決這些局限性。該研究旨在建立一個標準化、可擴展且可解釋的QC框架，以適應大規模、復雜的蛋白質組學數據分析需求。最終，pmultiqc作為一個開源Python包被成功推出，它構建在廣泛采用的MultiQC框架之上，為質譜工作流程提供專門的模塊。該工具能標準化并生成跨多個蛋白質組學數據分析平臺的基于Web的QC報告，并計算廣泛的QC指標。研究得出結論，pmultiqc通過結合全面的指標分析與SDRF驅動的元數據，實現了更復雜的質量評估策略，為實驗優化和問題排查提供了可操作的見解。其靈活的部署選項使其對個人實驗室和大型服務設施都具有可及性。該論文發表在《Molecular 》期刊上。

研究人員采用的關鍵技術方法包括：1）基于MultiQC的插件架構開發：利用其模塊化和可擴展性構建pmultiqc包。2）多格式文件解析與集成：開發了針對quantms、DIA-NN、MaxQuant/MaxDIA、FragPipe以及基于mzIdentML/mzML的PRIDE Complete submission等流程的格式特異性解析器，高效提取QC指標。3）樣本元數據（SDRF）整合：首次在蛋白質組學QC中將標準化的樣本元數據作為報告生成的核心組成部分。4）云端服務部署：利用Redis、Docker Compose或Kubernetes等技術構建了可擴展的分布式pmultiqc在線服務，允許用戶分析本地數據或直接通過ProteomeXchange登錄號（如PXD編號）檢索分析PRIDE公共數據庫中的數據。

pmultiqc的處理框架包含三個主要階段：數據檢測與解析、數據整合與QC指標計算、以及HTML報告生成。它通過匹配注冊的文件格式模式自動識別輸入文件類型，并采用針對內存效率優化的格式特定解析器。QC指標隨后被轉換為與MultiQC可視化功能兼容的標準化格式（如條形圖、線圖、散點圖、熱圖），最終通過MultiQC的渲染引擎生成包含嵌入式JavaScript的自包含HTML報告，用于動態可視化和交互式探索。

pmultiqc支持截至2026年的五種主要蛋白質組學分析工作流程（quantms、DIA-NN、MaxQuant/MaxDIA、FragPipe、以及PRIDE complete submissions mzIdentML/mzML）和ProteoBench格式，每種都有特定的輸入文件要求（如quantms的experimental_design.tsv、mzTab；MaxQuant的parameters.txt、proteinGroups.txt；DIA-NN的report.tsv或report.parquet等）。

pmultiqc是作為MultiQC的Python擴展開發的，利用其經過驗證的可擴展性框架進行生物信息學質量控制報告。MultiQC的插件架構允許在不修改其核心代碼庫的情況下開發自定義模塊。pmultiqc利用了包括PyOpenMS（處理MS文件格式）、pyteomics（蛋白質組學特定數據結構）以及pandas、scikit-learn、NumPy等標準科學Python庫。

pmultiqc報告的首個部分以表格形式顯示實驗設計和參數。如果數據集在SDRF或其衍生格式（如quantms的experimental_design.tsv）中提供樣本元數據，則會展示包含樣本及其與原始文件關系的實驗設計表。對于MaxQuant結果文件，分析參數（記錄在parameters.txt中）會被直接轉換為表格。

“摘要表”總結了獲取和識別的MS2譜圖總數、MS2識別率、識別的肽段數量以及識別和定量的蛋白質數量�！癚C熱圖”提供了實驗的高級概覽，顯示污染物、肽段強度、電荷、錯切位點等指標的分布情況，有助于快速檢測實驗中表現出非典型性能的樣本或原始文件。如果SDRF可用，報告會根據與不同樣本相關的實驗條件總結識別/定量結果。

“識別總結”部分展示了評估肽段和蛋白質識別質量的關鍵指標，包括每個蛋白質識別的肽段數量（反映序列覆蓋度）和錯切位點分布（反映樣本制備質量）。MS2識別率是另一個關鍵質量指標。該部分還顯示了肽段識別工具特定的搜索引擎評分，包括后驗錯誤概率（PEP）、譜圖E值、交叉相關分數（XCorr）和SAGE HyperScores。

pmultiqc報告實驗中排名前5的常見污染物蛋白質（如角蛋白、胰蛋白酶、牛血清白蛋白）。對于每個原始文件（或組），識別所有污染物，并根據強度計算其比例。在quantms流程中，污染物通過在登錄號前添加“CONTAMINANT_”前綴來標記；在MaxQuant中，則通過“Potential contaminant”字段指示。

pmultiqc提供可視化來評估和解釋定量結果，包括肽段強度分布、總體強度分布、LFQ強度分布，以及對數轉換后原始強度和LFQ強度的主成分分析（PCA）。如果支持的工具和分析結果包含肽段和蛋白質定量信息，則會以表格形式總結強度、蛋白質和肽段定量結果的分布。

pmultiqc在“保留時間QC與質量誤差”小節中可視化與保留時間相關的關鍵特征。它生成所有運行中每個MS1（DIA-NN、MaxQuant、FragPipe）或MS2（quantms、mzIdentML）信號的保留時間整體分布圖，以及描述保留時間與峰寬（即峰的總保留時間寬度）之間、保留時間與離子注入時間之間關系的散點圖。此外，pmultiqc還提供質量誤差指標的可視化，包括Δ質量（以道爾頓Da和百萬分之一ppm計）和未校準質量誤差（以ppm計）。對于MaxQuant流程，還遵循PTXQC方法可視化TopN指標及其與保留時間的關系。

MS1分析主要基于從譜圖文件（*_ms_info.parquet）或MaxQuant的msScans.txt中提取的數據。pmultiqc處理這些數據以生成一系列分析圖，全面概述所有運行中MS1掃描的特征，包括所有分析運行的總離子流圖、MS1基峰色譜圖、MS1峰圖以及包含采集日期時間、MS1總離子強度等信息的“MS1信息通用統計”摘要表。

pmultiqc對已識別和未識別的MS/MS譜圖提供全面的統計分析，主要檢查三個方面：每個MS/MS譜圖的峰數、峰強度分布和前體電荷分布。對于DIA數據，僅分析已識別的譜圖。此外，pmultiqc生成名為“流程譜圖追蹤”的摘要表，追蹤MS1和MS2譜圖數量、不同搜索引擎識別的譜圖數量、用于定量的可靠PSM數量以及通過肽段和蛋白質水平最終錯誤發現率（FDR）閾值的定量肽段數量。還進行每個原始文件的統計，總結前體電荷態分布和3D峰的數量。

pmultiqc通過自動提取和呈現來自支持工作流程的詳細版本信息和管道配置，解決了可重復蛋白質組學和遵循FAIR原則中對軟件版本和分析參數進行徹底記錄的需求。對于quantms，它生成包括軟件版本、工作流程參數和標準化方法總結的全面文檔。對于MaxQuant工作流程，配置細節從parameters.txt文件中提取。

研究人員開發了名為pmultiqc服務的附加服務，使多個研究組和實驗室能夠將pmultiqc作為可擴展的分布式服務運行。該服務利用Redis在分布式架構中管理作業，并支持靈活的部署選項。除了允許在研究機構內部署，團隊還在PRIDE數據庫、柏林自由大學生物信息學解決方案中心以及圖賓根大學部署了多個分布式實例。用戶可上傳包含支持工具結果文件的ZIP文件，或直接提供ProteomeXchange登錄號（如PXD003133）來檢索和分析PRIDE數據集中的結果，并在瀏覽器中查看生成的報告。

除了支持蛋白質定量流程，pmultiqc還能可視化ProteoBench的輸出。ProteoBench是一個用于對蛋白質組學數據分析工作流程進行基準測試的開源平臺。pmultiqc將ProteoBench提取的肽段水平信息傳遞以生成報告，報告包含更特定于ProteoBench實驗設置的部分，允許用戶下載預計算的MultiQC報告并在瀏覽器中可視化。

pmultiqc通過提供一個統一的、支持元數據的框架，用于跨多樣化分析工作流程進行全面的QC評估，代表了蛋白質組學質量控制的重大進展。它結合了全面的指標分析與SDRF驅動的元數據，實現了更復雜的質量評估策略，為實驗優化和問題排查提供了可操作的見解。其靈活的部署選項使其對個人實驗室和大型服務設施都具有可及性。與PRIDE等公共數據存儲庫的集成，使研究人員能夠生成和共享來自多種蛋白質組學工具的QC報告，促進了數據的重新分析和跨研究的比較質量評估。

pmultiqc的模塊化設計允許任何人通過添加新的工作流程、工具、繪圖、QC指標或支持的文件格式來擴展它。展望未來，隨著更多工具支持SDRF以及更多結果在樣本層面生成，pmultiqc的元數據感知方法應得到擴展，從而實現無需將基于運行的結果合并為樣本級結果即可自動生成指標。與ProteoBench等基準測試計劃的集成也可增強其在性能評估和標準化中的作用。更重要的是，pmultiqc將通過提供一個可擴展的開源庫來支持mzQC（一種用于交換、傳輸和存檔源自MS的質量指標的標準文件格式）可視化報告，幫助社區填補這一空白。最終，pmultiqc旨在促進和簡化流行工具、社區及ProteomeXchange合作伙伴在蛋白質組學中生成和共享QC報告。通過提供一致且易于訪問的QC框架，它有助于為各種實驗設計和分析平臺設定數據質量的基本預期。