在肽序列鉴定过程中对候选肽序列与实验串联质谱匹配对(肽谱匹配对)进行评估打分是非常关键的一步,准确有效的可信度评估算法能提高肽序列鉴定的准确度。传统的打分算法通常利用预测出的理论质谱谱图与实验质谱谱图的相似度分数进行分数计算,无法充分有效地利用肽碎裂规律。本文针对这一问题提出了一种结合肽序列信息表征的多分类概率和式可信度评估算法:deep Score-α。deep Score-α使用一维残差网络对序列底层信息进行抽取,再通过多头注意力机制融合序列不同肽键位点对当前肽键断裂位点产生的影响从而生成最终的碎片离子相对强度分布概率矩阵,结合肽序列碎片离子的实际相对强度计算出最终的肽谱匹配可信度。该算法从常用开源鉴定工具Comet以及MSGF+的鉴定结果中提取候选肽序列进行重新打分并与原有结果进行了比较:deep Score-α在人类蛋白组数据集中FDR=0.01时保留的肽序列数量相较于Comet和MSGF+提升了约14%,Top1命中率(正确肽序列得分最高的谱图所占比例)最大提升约5%。使用人类蛋白组数据集训练的模型在Proteome Tools2数据集上进行泛化性能测试,deep Score-α在FDR=0.01条件下保留的肽序列相较于Comet和MSGF+提升了约7%,Top1命中率提升约5%,Top1中来自Decoy库的鉴定结果减少约60%。实验结果证明,deep Score-α在FDR=0.01的情况下保留更多的肽序列并提升Top1的命中率,且具有较好的泛化性能。deep Score-α形成了对应的肽序列可信度计算工具,可以使用该工具直接对Comet以及MSGF+的鉴定结果重新进行可信度计算,按给定FDR阈值输出再次计算分数后的鉴定结果,也可自定义质谱对应的候选肽输入软件工具进行可信度计算。此外,该软件工具也提供了FDR分析功能,协助确定更有效的FDR阈值对鉴定结果进行过滤。