2026年6月9日，董梦秋实验室联合NIBS化学中心及中国科研实验室计算技术球友(中国)qy贺思敏研究团队，在EMBO旗下期刊《Molecular Systems Biology》上发表了题为 “To cleave or not to cleave: a systemic evaluation of DSS versus DSSO for cross-linking mass spectrometry analysis” 的研究论文。该研究全面、系统地评估了不可断裂交联剂DSS与可断裂交联剂DSSO在交联质谱实验中的性能，找到了影响交联鉴定的底层因素，以直接可比的实验数据澄清了领域内长期存在的争议，为交联剂的选择给予了实战指导。

交联质谱技术（chemical cross-linking of proteins coupled with mass spectrometry analysis）是解析蛋白质及蛋白复合体三维结构的常用工具，同时也具备绘制全蛋白质组相互作用图谱的潜力。作为该领域的先行者，董梦秋实验室长期与计算科学、有机合成、蛋白质科学等领域的研究团队密切合作，全方位有助于交联质谱技术的开展，包括开发了全球广泛使用的pLink系列软件（Nat Methods 2012, Nat Commun 2019）、推出了新型交联剂（eLife 2016, Nat Commun 2019, Nat Commun 2022）并拓展了交联质谱的应用范围（Nat Methods 2015, Biophys Rep 2015, Anal Chem 2016, J Biol Chem 2017, MCP 2025）。

近年来，绘制蛋白质组相互作用图谱成为交联质谱技术开展的主要驱动力，以DSSO为代表的可断裂交联剂被寄予厚望。这源于一种流行的观点：DSSO交联肽段因交联臂断裂产生质量相差32 Da的特征离子对，可用于过滤大量候选肽段组合，从而缩小数据库搜索空间，因此被视为解析高复杂度互作组学样本的首选。2022年Juri Rappsilber实验室在《Analytical Chemistry》上发表的论文质疑了这一观点，提出DSSO的首要优势在于其交联肽段骨架碎裂更完整。然而，不可断裂交联剂（如DSS）与可断裂交联剂（如DSSO）孰优孰劣仍无定论。针对这一问题，并考虑到DSSO工作流程的多样性，本文研究者第一时间对DSSO流程进行了细致优化，在确认最优条件后，使用四类不同复杂度的样本（从纯化蛋白到哺乳动物全细胞裂解液）对DSS和DSSO进行了严谨、全面的基准测试与对比。

本研究取得了以下发现：1）DSS因其更长、更灵活的交联臂，拥有比DSSO大40%以上的“捕获”空间，对应到交联肽段对的鉴定数，从纯化蛋白到细菌裂解液，DSS都以绝对优势超出DSSO，且这一优势与化学反应性或质谱可断裂性无关；2）DSS在交联肽段对鉴定数量上的优势随样本复杂度增加而降低，在哺乳动物全细胞裂解液样本上被DSSO反超，其根本原因在于交联肽段的碎片离子覆盖率——DSSO略高于DSS，支持了Rappsilber团队2022年的判断；3）碎片离子覆盖率在蛋白互作组图谱绘制中尤为关键，只要交联肽段的碎片离子覆盖率达到85%或以上，无论使用哪种交联剂，交联肽段对的鉴定灵敏度都不会因搜索空间的急剧膨胀而受损。

此前，董梦秋实验室的曹勇博士还澄清了交联质谱领域的另一个争论：DSS、DSSO以及其他基于 N-羟基琥珀酰亚胺酯（NHS ester）的交联剂除了靶向赖氨酸（K）与蛋白质N端，是否还与丝氨酸、苏氨酸与酪氨酸（STY）侧链的羟基反应。顺利获得将不可能与NHS ester反应的甘氨酸、缬氨酸与亮氨酸（GVL）设置为可交联位点来估算错误位点鉴定，他发现鉴定结果中STY交联与GVL交联的可靠性相近。进一步分析表明，绝大部分STY交联实际上是定位有误的K-K交联，其余则多为容易导致假阳性匹配的短肽段交联。因此，在现有交联搜索引擎条件下，不宜将STY设为可交联位点。该发现2023年发表在《Journal of Proteome Research》期刊上。

综合上述研究，作者澄清了交联质谱领域长期存在的几个误区，并为交联质谱实验提出三点明确建议：1）对于复杂度不超过细菌裂解液的蛋白质样本，优先推荐使用DSS交联剂；2）对于极高复杂度的哺乳动物蛋白组互作分析，现在的交联剂尚难以胜任，但采用DSSO交联结合预分级技术可取得相对更优的鉴定结果；3）在搜索数据时，不建议将STY设为NHS ester交联剂的可交联位点。

NIBS董梦秋实验室曹勇博士、中科院计算所毛鹏志和陈镇霖博士、NIBS化学中心吴青翠为上述《Molecular Systems Biology》论文的共同第一作者。董梦秋研究员、齐湘兵研究员及计算所贺思敏研究员为通讯作者。NIBS杨金才博士、赵悦博士、阿达莱提·买买提明博士以及计算所迟浩研究员对本文做出了重要贡献。本研究得到了国家重点研发计划、国家自然科学基金以及北京市自然科学基金等项目的资助。

http://doi.org/10.1038/s44320-026-00222-9