结核病是由结核分枝杆菌（Mycobacterium tuberculosis,MTB）感染所致,是迄今为止致死率最高的感染性疾病之一。据世界卫生组织（World health organization,WHO）统计,2019年全球约有17亿人被MTB感染,1000万新发结核病患者,死于结核病的人数高达141万。尽管M.tuberculosis H37Rv早在1998年便完成了全基因组的测序和注释工作,但比较Sanger Institute和Institute of Genomic Research两家机构的基因注释结果,发现两者的已注释基因开放阅读框（open reading frames,ORF）数量存在12%的差异,并且46%的注释基因翻译起始子（translational start sites,TSS）不同,这意味着传统的基因组注释技术难以实现结核分枝杆菌H37Rv基因组的精准注释。H37Rv已注释编码基因的验证、错误注释的纠正、漏注释编码基因的鉴定不仅可以增加人类对结核分枝杆菌的理解,为结核病的防治提供全新的数据支撑以及新基因候选,而且可以通过基因组的重注释以及漏注释编码基因的鉴定为其它物种的基因组注释研究提供借鉴和经验。因而具有重大的基础研究价值和实际应用价值。氮末端（N末端）肽段在全蛋白质组中占比非常低,且适用于蛋白酶消化产生的N末端肽段因为分子量和离子化效率等理化性质而难以被检测,再加上一些N末端在体内天然带有翻译后修饰,导致其不利于被化学标记和特异性富集。本研究针对N末端占比少、丰度差异大等特点,选用价格低廉、标记高效的二甲基标记并优化了N末端高效标记以及反向富集的技术体系:（1）通过增加实验蛋白的起始量并联合反向富集技术,简化样品来提高N末端肽段的鉴定;（2）使用实验室拥有自主知识产权的高活性胰蛋白酶（Trypsin）来提高酶切效率;（3）使用更为合理的样品预分馏方法,优化洗脱梯度;（4）优化LC-MS的检测方法和数据库搜索参数进一步提高蛋白质的鉴定量。利用上述技术,本课题完成了H37Rv的N末端蛋白质组学研究,共鉴定到2,728个蛋白质和1,641条N末端肽段。利用具有明确N末端修饰的629条天然N末端肽段,验证了已注释库中517个基因编码产物的N末端。对结核分枝杆菌蛋白质组数据中的天然N末端和新生N末端进行分类分析,发现新生N末端中谷氨酰胺的环化修饰可能和谷氨酰胺环化酶与信号肽酶的联合作用有关,并且与M.tuberculosis H37Rv的毒力因子分泌相关,这有助于理解M.tuberculosis H37Rv的致病机制和毒力作用。而保留N末端起始氨基酸的蛋白质主要与脂质稳态、脂肪酸β氧化以及菌株生长相关,推测其可能与M.tuberculosis H37Rv面对氧气与营养不足的恶劣环境时,所处的休眠或潜伏状态有关。更进一步,本课题使用六框翻译数据库鉴定到3,118个ORF以及16,824条肽段,其中1,267条为N末端肽段。经过逐层数据过滤分析,鉴定到45条已注释数据库未注释出来的肽段。基于新鉴定肽段纠正了12个已注释蛋白质的翻译起始位点,发现了6个遗漏注释的新基因,完善了H37Rv现有的基因组注释。在新发现的6个新基因中,3个具有物种特异性,为结核病特异性抗原的开发提供原始创新性材料。