相同肽序列可能来自不同位置
理解遗漏切割枚举为何需要每次出现记录、明确切割规则和源证据，以及序列去重会丢失什么。
最大深度包括较短窗口
Klemens Fröhlich 的问题从 GRGKA 开始，询问允许遗漏切割时可能得到哪些肽。作者后续评论澄清，列表需要包含所选深度以内的所有组合。因此可在连续切割片段上滑动窗口；只跳过交替切割会漏掉合法窗口。
作者 K/R 规则下，GRGKA 有 GR、GK、A 三个未遗漏片段。最大遗漏一次时保留这三条，再增加 GRGK 和 GKA；最大两次时还增加 GRGKA。深度 1 的五行结果是完整的，虽然新增的连接窗口只有两条。
序列与出现记录的身份不同
肽字符串集合回答有哪些不同序列；出现记录表回答每个窗口来自哪里。蛋白重复残基或片段时，两者不同。作者 K/R 规则、深度 0 下，KRK 在 [0,1) 有 K，在 [1,2) 有 R，在 [2,3) 还有一个 K。
两个 K 行都包含证据。保留坐标与实际遗漏数后，下游可以有意识地按序列分组，同时保留每个源区间。枚举时去重会使被删掉的位置无法从剩余行重建。
| start0 | end0 | missedCleavages | sequence |
|---|---|---|---|
| 0 | 1 | 0 | K |
| 1 | 2 | 0 | R |
| 2 | 3 | 0 | K |
切割规则是结果的一部分
原作者的 K/R 切分包含 P 前切割；Expasy 胰蛋白酶通常不在 P 前切割，但 WKP 和 MRP 是明确例外。对 AKP，作者规则在深度 0 产生 AK 和 P，Expasy 产生完整 AKP。只写胰蛋白酶会隐藏这个影响结果的选择。
报告因此保留明确 profile 和完整 cuts0 数组。坐标从 0 开始，使用不包含终点的半开区间。末端 K 或 R 不会产生空的尾部肽，序列末端只保留一个边界。
两种规则都不估计实验实际观察到什么。窗口枚举不计算肽质量、修饰、浓度、产量或酶切概率。按理论分析目的选择规则，并让这个选择随结果保留。
完整性需要原件和可见拒绝
单记录 FASTA 让坐标对应同一个蛋白。完整标题，包括空格，保留在报告中；原字节文件保留 BOM、空行和换行。第二条记录使整份输入拒绝，避免它消失后第一条结果仍看起来像完整输出。
增加遗漏深度会增加窗口数。分配出现记录输出前先检查完整计数，保护上限为 200,000。深度 10 下，18,186 个切割片段产生 199,991 条；18,187 个片段产生 200,002 条并拒绝。不能把上限描述成可自然达到的恰好 200,000 行示例。
屏幕预览到 4,000 个 Unicode 码点为止，报告复制和 CSV 全部行仍保持完整。拒绝、取消或覆盖读文件、加载、Worker 的 10 秒截止时间均不返回部分或迟到结果。需要他人核查时，一同交付完整报告、CSV 和原件。
- 将完整 cuts0、所选 profile 和最大深度与每份出现记录表一同保留。
- 保留不同位置的相同序列；保存源区间后再进行分组。
- 交接位置前，核对源名称、字节数和 SHA256 是否对应预期原件。
- 长结果使用完整报告复制或下载核查；屏幕预览不代表全部枚举。
参考资料
- Klemens Fröhlich：遗漏切割组合
已捕获完整问题、两份答案和全部评论，包括作者关于包含各深度的澄清；未证明作者已完成、浏览器偏好或市场规模。
本分类工具使用说明
展开工具，查看操作步骤、可调选项和支持范围，再直接进入工作区。
理论肽序列与出现位置从单蛋白序列或单记录 FASTA 枚举所选遗漏切割深度内的全部理论肽，保留出现位置、完整 CSV、JSON 和源原字节。
为一个蛋白选择切割规则和最大遗漏切割深度。保留每个肽的出现记录，包括不同位置的相同序列，并导出完整报告、CSV 和原件。
操作步骤
- 选择序列或单记录 FASTA、切割规则，以及整数的最大遗漏切割深度。
- 粘贴蛋白序列，或选择其 UTF-8 原文件。
- 枚举后检查源长度、切割边界和完整出现记录数。
- 复制完整 JSON 报告或下载 CSV、报告和原件；比较重复肽序列时保留它们的位置。
可调选项
- 输入格式
- 蛋白序列 · 单记录 FASTA
- 切割规则
- 作者 K/R（含 P 前切割） · Expasy 胰蛋白酶（WKP/MRP 例外）
- 最大遗漏切割次数
- 1
0–10 的整数；包含从 0 次到该上限的每个深度。
能力与限制
- 粘贴一个蛋白或选择一个 UTF-8 文件，最多 1 MiB。所选文件优先于粘贴文本；清除文件选择后才使用文本。文件名必须是非空 Unicode 标量文本，最多 512 个 UTF-8 字节，不含控制字符或 BOM。明确选择格式，扩展名不决定格式。
- 残基只能使用大写 ASCII 字母 ACDEFGHIKLMNPQRSTVWY，非空序列总长最多 20,000 个残基。小写、空格、缺口、歧义残基、终止符和修饰写法均拒绝，不自动规范化。
- 序列格式只接受一个物理序列行，可带末尾 LF 或 CRLF。FASTA 只接受一条记录：首行以 > 开头，完整非空标题最多 65,536 个 UTF-8 字节，不计 >；标题不含制表符、控制字符或 BOM。标题之后允许空行，每个非空序列行只能含支持的残基。第二条记录会使整份输入拒绝。
- 允许一个开头 UTF-8 BOM，并记录其存在。原件保留 LF、CRLF 或两者混合；孤立 CR 拒绝。最多 50,000 个物理行，包括 FASTA 标题和空行。完整标题不会缩成第一个词。
- 作者 K/R 规则在每个 K 或 R 后切割，包括 P 前。Expasy 胰蛋白酶规则遵循 Pyteomics 4.7.5：通常不在 P 前切割，明确保留 WKP 和 MRP 例外。两者都保留末端边界。这些是理论规则，不预测实验中的实际酶切。
- 最大遗漏切割深度必须是 0–10 的整数。结果包含实际遗漏数从 0 到所选上限的每个连续切割片段窗口，按 end0、start0 排序；不同位置的相同肽序列分别保留。
- 残基坐标从 0 开始，包含 start0，不包含 end0。cuts0 保留所有边界，包括 0 和序列长度。分配出现记录输出前先检查完整计数，保护上限为 200,000 条。自然可接受的最大计数是 199,991；深度 10 的首次跨越为 200,002。
- 下载 peptides.csv、result-report.json 和 source-protein.txt 或 source-protein.fasta。CSV 保留每条 start0、end0、missedCleavages、sequence；报告保留完整标题、源身份、全部切割边界、全部出现记录和导出元数据；原件保持原字节。三份下载合计最多 32 MiB，拒绝时不返回部分结果。
- 屏幕最多预览 4,000 个 Unicode 码点，复制保留完整 JSON 报告。10 秒截止时间覆盖读文件、加载和 Worker 处理。取消或超时会终止尚未完成的处理，不发布迟到或部分结果。内容和文件名留在当前浏览器。