鸟枪法蛋白质组学目前已经成为全面绘制生物蛋白质组的最有力武器。其中,从原始质谱数据中鉴定出样本中存在的蛋白质是鸟枪法蛋白质组学流程的基石。蛋白质鉴定主要包括肽段鉴定和蛋白质推断两个步骤。肽段鉴定是从原始质谱数据中鉴定出肽段序列而蛋白质推断问题的目标是从这些鉴定得到的肽段中还原出原始的蛋白质序列。由于质谱数据固有的不确定性和蛋白质组的复杂性,解决蛋白质推断问题变得很难。同时,鉴于样本中存在的蛋白质集合是未知的,如何判断鉴定得到的蛋白质是正确的,即蛋白质推断结果统计性验证问题,也是目前研究人员关注的焦点。本文首先提出了一个基于线性规划的新模型来解决蛋白质推断问题。该模型引入联合概率(每个肽段和它的双亲蛋白质同时存在于样本的概率),并用此概率的简单数学转换作为模型的变量。蛋白质和肽段的存在概率都可以用此变量的线性组合表示。最后,模型把蛋白质推断问题表述为一个优化问题：在计算得到的肽段概率和已知的肽段概率之差小于某个阂值的约束下,最小化概率不为0的蛋白质数量。实验结果表明该模型具有很好的推断表现并优于已有方法。针对蛋白质推断结果验证问题,本文提出了一个不使用诱饵蛋白质的模型来估计目标蛋白质推断算法产生的鉴定结果的错误发现率。模型首先提出一个零假设：每个候选蛋白质完全随机地匹配上鉴定得到的肽段。在此假设基础上,该模型使用置换P值评估蛋白质鉴定结果的统计显著性,并通过置换P值计算最终的错误发现率。模型主要包括三个步骤：首先,产生和原始输入二分图同结构的随机二分图；其次,在随机二分图上多次运行目标蛋白质推断算法；最后,计算置换P值和最终的错误发现率。其中,步骤2需要多次调用目标蛋白质推断算法,因此,时间消耗过高。为了解决此问题,该模型利用原始输入数据训练一个线性回归模型来模拟目标蛋白质推断算法的输出,然后用此回归模型替代目标推断算法预测在随机图上的蛋白质鉴定分数。实验结果表明,该模型在评估准确性上的表现能够与已有的使用诱饵蛋白质的方法相媲美。