Nature 2026｜人类蛋白质组再扩张：7,264 个非经典ORF，1/4 真在翻译

研究背景：被"漏掉"的蛋白质密码

过去十年，非经典开放阅读框（ncORF）的翻译在多种人类细胞与疾病状态中被反复观察到。但一个根本争议始终悬而未决：这些 ncORF 究竟哪些真的编码了稳定、有功能的微蛋白？由于它们大多短小、低丰度，传统注释库（GENCODE、UniProt）极少收录，导致大量潜在的"人类蛋白"长期游离在参考蛋白质组之外。

TransCODE 联盟联合全球数十个蛋白质组学中心，对 ncORF 的蛋白水平证据进行了一次共识性全景梳理：整合 95,520 个质谱实验，建立非 HLA 与 HLA 两套 PeptideAtlas，并用多层证据（肽段、Ribo-seq、HLA 免疫肽组、进化约束、功能基因组学）对 7,264 个 ncORF 进行分级注释，最终提出"肽蛋白（peptidein）"这一新概念。

一、规模空前的数据整合：两套 PeptideAtlas 怎么搭起来的

研究以 GENCODE 支持的 7,264 个 Ribo-seq ncORF 为查询集，检索了人类蛋白质组领域积累的海量公开质谱数据：

• 非 HLA 库：

  覆盖 5.73 亿条 MS/MS 谱、1,172 个实验，鉴定出 280 万条独特肽段；

• HLA 库：

  覆盖 2,800 万条谱、592 个实验，鉴定出 86 万条独特肽段（来自 2.4 亿条 HLA 相关谱）。

随着数据集不断加入，可检出的肽段与蛋白数量持续累积（图1）——这正是大规模、社区化蛋白质组学数据的力量：单个实验室难以企及，却能为"微蛋白是否真实存在"提供坚实的统计底座。

二、不是"算出来"，是"测出来"：靶向质谱坐实内源肽段

质谱鉴定 ncORF 肽段，最怕假阳性。研究用靶向蛋白质组学（PRM）对候选肽段做了"回头验证"：以 Tier 1A 微蛋白 c11riboseqorf4 的内源肽段 ATPGHTGCLSPGCPDQPAR 为例，在 HeLa S3、HEK293、K562 三种细胞裂解液中，内源肽段与合成重标肽段的离子跃迁高度吻合（图2），确凿证明这是真实存在、可被重复检测的内源微蛋白肽段。

在大规模搜索层面，团队还用 KO 对照、独立搜索引擎交叉验证：仅 2.5%（183/7,264）的 ncORF 在常规酶解数据中以≥1 个肽段检出；而在 HLA 免疫肽组中，24.6%（1,785 个）ncORF 检出共 3,116 条肽段，其中 94.3% 经独立验证。严谨的证据链，是后续所有结论的基石。

三、免疫肽组的惊喜：ncORF 肽段也"登堂入室"到 HLA 上

HLA 免疫肽组（把细胞表面呈递的肽段"亮"出来）本是为抗原发现而生，却被这项研究证明是 ncORF 检测的"富矿"。团队从总肽段中逐级筛选（HLA-I 阳性、长度 8–12 aa、具已知 HLA 分型），发现大量非经典来源肽段同样稳定呈递于 HLA-I / HLA-II，且在癌症与非癌样本中的分布呈现差异（图3）。

这意味着：微蛋白不仅是"细胞内的小蛋白"，还可能被呈递到细胞表面、进入免疫识别——对肿瘤新抗原、疫苗抗原发现具有潜在价值，也为"微蛋白是否真的被翻译并加工"提供了独立旁证。

四、如何分辨"真蛋白"？新工具 ORBL 用进化约束打分

"能检出肽段"不等于"是真实蛋白"。研究提出 ORBL（ORF Relative Branch Length，ORF 相对分支长度）这一进化分析工具：基于灵长类等多物种比对，计算某个 ncORF 在系统发育树上的约束程度（ORBLq）。

结果发人深省：2,211/7,264（30.4%）个 ncORF 的 ORBLq > 0.9，远高于随机预期的 10%；而用传统氨基酸守恒指标 PhyloCSF 打分，仅 2.0%（143 个）超过阈值。换句话说，进化约束比序列守恒更能识别"被认真保留"的 ncORF——为优先注释哪些微蛋白提供了量化依据（图4）。

五、功能证据：51 个 ncORF 是"泛必需"的

蛋白是否"有用"，最终要看功能。团队用 CRISPR–Cas9 功能缺失筛选（8 个细胞系、25 个筛查）结合表达证据过滤，鉴定出 51 个具"泛必需性"敲除特征的 ncORF——敲掉它们，细胞普遍长不好（图5）。

其中 c10riboseqorf92（定位于 ZBTB11-AS1 转录本）是典型代表：重新表达可回补表型，提示其具有 ORF 特异性功能，而非邻近 CDS 的副产物。这些结果把"微蛋白"从"能检出"推进到"有明确细胞功能"。

六、它们真的能"折叠成蛋白"吗？结构预测给出肯定答案

会不会只是一串"凑巧被翻译"的肽链？研究用 AlphaFold3、ESMFold、OmegaFold 对 ncORF 编码序列做结构预测，并按证据等级（Tier）分层比较 pLDDT（结构置信度）。

结果清晰：证据等级越高的 ncORF，结构预测置信度越高（图6），明显优于随机打乱序列的对照。说明高优先级微蛋白不仅能翻译，还大概率能折叠成稳定的三维结构——进一步支持把它们当作"真蛋白"纳入参考注释。

七、给做蛋白组学的你：这篇 Nature 带来三点启示

• ① 大规模、社区化数据 + 严谨验证，是微蛋白发现的出路：

  单实验室数据有限，整合公共库 + PRM 靶向回验证，才能把"疑似"变成"确证"。

• ② 免疫肽组是新蓝海：

  HLA 呈递的 ncORF 肽段，为肿瘤新抗原、疫苗靶点发现打开新窗口，值得在项目中重点布局。

• ③ 进化约束 + 功能筛选，是优先级排序的关键：

  面对海量候选 ncORF，ORBL 这类量化指标能帮你把有限的验证资源押在最可能"成蛋白"的目标上。

八、研究亮点与局限

亮点

• 迄今最大规模的 ncORF 蛋白水平证据整合（95,520 实验）
• 多层证据框架 + PRM 靶向回验证，假阳性控制到位
• 提出 ORBL 量化工具与 peptidein 新概念，可操作性强
• 从检出 → 进化约束 → 功能筛选 → 结构可折叠，证据链完整

局限

• 证据仍以"肽段检出 + 计算预测"为主，独立生化功能验证的 ncORF 仍有限
• 微蛋白的真实亚细胞定位、相互作用网络大多尚未阐明
• 纳入标准偏向较长 ncORF，大量 <18 aa 的超短 ORF 仍难纳入参考注释