質譜儀：
質譜分析法是先將大分子電離為帶電粒子，按質核比分離，由質譜儀識別電信號得到質譜圖。
Top-down直接得到結果是蛋白。
Bottom down使用shutgun方法得到結果是肽段。
由蛋白質混合物打斷為肽段混合物，按特定時間分離為LC，
初次得到的譜圖為一級譜，一級譜是串聯質譜，其中一個峰一個肽段。選出一個峰作為二級譜的原料，選出母離子（母離子就是整個肽段 PEPMASS）並打斷送入質譜儀，二級譜是一張圖中的一個肽段。除此之外還可以做更多等級的圖譜，tandem mass spectrometry），二級譜圖用於核心定性。利用蛋白酶的對在不同理化條件下產生不同切點的性質進行酶切，一般用一種酶切，有時候為了比對用兩種。其中，子離子與肽段的關系：子離子構成肽段，即子離子的構造是“羧基----離子---氨基”式組合。當AA一個個掉掉下來之后，測量得到b+y成對數據，即peptide fragment。
質譜分析方法有從頭分析法和數據庫搜索匹配法，常用數據庫法，即實驗譜圖在已知肽段理論圖譜數據庫中找匹配。
數據處理流程：
因為不同質譜儀產出不同格式，所以要對數據進行格式轉換。Msconvert用於質譜轉換用於預處理，可以降噪音，母離子矯正和輸出規范化數據。
可以選擇以下搜索引擎，Mascot的鑒定效果好；SEQUEST是傳統的工具，不易學習和升級但是免費開源；X!Tandem可隨需改動；pFind由小團隊制作，但是靈敏度好；MaxQuant可同時產出定性和定量數據，使用方便，但覆蓋率低。不同軟件結果有不同，最好比對后選擇一種。
可以選擇數據庫，Uniprot中的UniprotKB&Swiss-prot高質量，低冗余而且是人工的專家確認；neXtprot存儲有關人類蛋白質數據，並有與實驗證據相聯系；IPI的穩定性比較差；NCBI中的RefSeq&nr是常見數據庫直接加和，所以該數據庫冗余量大，噪音非常大。
搜索引擎參數設定
蛋白質的鑒定和質檢：
基於數據庫法：
基於圖譜數據庫法的質檢主要關注假陽性FDR false discover rate，因為從譜圖到肽段到蛋白誤差逐漸放大。如圖，在某一圖譜總錯誤導致一個蛋白錯誤。所以在譜圖階段就應該質檢。原始數據中連續y連續b是好的。
先將蛋白質序列切成肽段序列，之后按照肽段分子排序，確定一個長度標准作為可鑒定出來的肽段，然后保留可鑒定長度的肽段。根據這些肽段找在數據庫中候選圖譜，組成理論圖譜基於打分函數（Xcorr & △cn第一差距與第二差距）的得分判斷圖譜的可信度。
可基於正偽序列庫方法使用Percolator做質量控制，因為理論圖譜是正確序列和錯誤序列的集合，而偽庫就是錯誤序列的集合，其補集是正取序列。如此做減法，得到圖譜的線性模型或曲線模型，變成分類問題，以此找到正取的那部分。
此時存在共享肽段存在蛋白推導的困難，可以使用簡約組裝蛋白法。簡約組裝蛋白是選擇最多信息承載的最少蛋白組合而成的蛋白組。常用MAYU法。
基於從頭預測法：
從頭測序預測方法是每個AA都算一遍，此方法可產生新蛋白，有PEAKS，NovoHMM，常用Nover方法，因其速度快，DeepNovo是深度學習方法。