近年来蛋白质组学的持续热度带来了实验方法和仪器技术的革命性进步,也带来了数据规模的高速增长,在各大数据托管平台中已经累积了数量可观的数据集,其广度、深度已经进入了大数据的范畴,这也对相匹配的数据质量提出了更高的要求。蛋白质组学数据主要来自于质谱仪产出的谱图,相较于基因组数据的稳定性,常用的鸟枪法质谱技术的特性使得谱图映射到肽段再到蛋白时存在非常大的不确定性。然而,用于验证、校正质谱数据及后续分析结果的质量控制工具并没有像实验技术那样完善。由于后续的知识发现的可信度完全取决于前置数据集的准确性,随着蛋白质组学数据量的急剧扩增,数据的可靠性问题日渐凸显。本文探究了蛋白质组学分析各个流程的质量控制方法,并与蛋白质组学实验室合作整理出了质谱数据处理的基本流程与合适的质控工具,基于Galaxy框架整合了Mascot、Percolator等主流的质谱数据处理工具与质量控制方法,构建了自动化、高通量的工作流,提高了数据分析的效率,使得数据处理速度可以跟上数据产出的速度,为蛋白质组学实验室的日常分析提供了极大的便利。同时,为了更好地利用自建的Galaxy工作流,本研究结合两款已发表的蛋白质质控软件(IDPicker和MAYU)的思想编写了名为IDM的质控程序并嵌入到工作流中。本文选取了一批高质量的胃癌数据集,使用自建工作流进行了预处理,并在蛋白鉴定环节使用IDM以及另外三种已发表的质控工具分别对该数据集进行了质量控制。通过分析质控后的蛋白质鉴定结果以及最终生物学结论的差异,我们发现IDM是更理想的蛋白质水平质量控制方法。总的来说本研究设计的工作流及质控方法可为质谱数据在蛋白质层面的质控研究提供相应参考,在一定程度上促进蛋白质组学的发展。