SAPNet: a deep learning model for identification of single-molecule peptide post-translational modifications with surface enhanced Raman spectroscopy
针对单分子SERS光谱中拉曼峰闪烁导致肽翻译后修饰（PTMs）鉴定困难的问题，开发了结合等离激元纳米孔与深度学习的SAPNet模型，实现了氨基酸与肽PTMs的高准确率自动鉴定，有助于癌症等疾病的早期检测。
2024-01-05 cond-mat.mes-hall physics.optics q-bio.QM
A nested mixture model for protein identification using mass spectrometry
质谱法提供了一种高通量的方法来鉴定生物样品中的蛋白质。在一个典型的实验中，样品中的蛋白质首先被分解成它们的组成肽。然后将所得的肽混合物进行质谱分析，质谱分析产生数千个光谱，每个光谱都具有其生成肽的特征。在这里，我们考虑的问题推断，从这些光谱，蛋白质和肽存在于样品中。我们开发了一个统计方法来解决这个问题，基于嵌套混合模型。与常用的两阶段方法相比，该模型提供了一个一阶段的解决方案，可以同时识别哪些蛋白质存在，以及哪些肽被正确识别。通过这种方式，我们的模型结合了蛋白质及其组成肽之间的证据反馈。使用模拟数据和酵母数据集，我们比较和对比我们的方法与现有的广泛使用的方法（PeptideProphet/ProteinProphet）和最近发表的新方法，HSM。对于肽鉴定，我们的单阶段方法始终产生更准确的结果。对于蛋白质鉴定的方法在大多数情况下具有相似的准确性，尽管我们展示了一些现有方法表现不佳的情况。
2010-11-09 physics.bio-ph q-bio.BM q-bio.QM
The Identification of Biological Stains at Crime Scenes: A Promising Role for Proteomics and Machine Learning
ESPCI-PSL, CNRS, UAR 2051（巴黎高等物理化工学院，法国国家科学研究中心）；Department of biology, Ecole Normale Supérieure Paris-Saclay（巴黎萨克雷高等师范大学生物学系）；Département Environnement Incendies Explosifs, Institut de Recherche Criminelle de la Gendarmerie Nationale（国家宪兵队犯罪研究所环境、火灾与爆炸部门）
该研究针对法医体液鉴定的来源信息缺失问题，开发三种蛋白质组学方法，结合机器学习模型，实现了体液及混合物的高准确率识别，为法医调查提供了新工具。
2026-09-04 q-bio.QM
A Combinatorial Perspective of the Protein Inference Problem
在鸟枪蛋白质组学实验中，蛋白质是最有生物学意义的输出。蛋白质组学研究的成功取决于准确有效地鉴定蛋白质的能力。已经提出了许多方法来促进从肽鉴定的结果中鉴定蛋白质。然而，蛋白质鉴定和肽鉴定之间的关系以前没有得到彻底的解释。在本文中，我们致力于蛋白质推理问题的组合视角。我们采用组合数学计算条件蛋白质概率（蛋白质概率是指蛋白质被正确识别的概率）在三个假设下，这导致一个下限，上限和蛋白质概率的经验估计，分别。组合的角度，使我们能够获得一个封闭的形式制定蛋白质推理。基于我们的模型，我们研究了独特的肽和简并肽对蛋白质概率的影响。这里，简并肽是由至少两种蛋白质共享的肽。同时，我们也研究了我们的模型与其他方法如ProteinProphet的关系。可以计算概率置信区间，并与概率一起用于过滤蛋白质鉴定结果。我们的方法在基于两个标准蛋白质混合物数据集和两个真实样本数据集的实验中以更有效的方式实现了与ProteinProphet竞争的结果。我们将我们的程序命名为ProteinInfer。其Java源代码可在http://bioinformatics.ust.hk/proteininfer上获得
2012-11-29 q-bio.GN q-bio.QM
Mass spectrometry based protein identification with accurate statistical significance assignment
动机：随着许多类型的Meta数据（通常以层次结构组装）被构建和组合用于进一步的生物学分析，准确地确定统计学意义变得越来越重要。Meta数据在任何层面上的统计不准确都可能传播到下游分析，破坏由此得出的科学结论的有效性。从基于质谱的蛋白质组学的角度来看，即使现在可以实现肽鉴定的准确统计，准确的蛋白质水平统计仍然具有挑战性。结果如下：我们已经构建了一个蛋白质ID方法，该方法基于先前推导的严格公式结合候选蛋白质的肽证据;在该公式中，在最终组合之前，根据其映射的蛋白质数量，对每个肽的数据库$P$值进行加权。我们还表明，这种蛋白质ID方法提供了准确的蛋白质水平$E$ -值，消除了使用经验后处理方法进行I型错误控制的需要。使用一个已知的蛋白质混合物，我们发现，这种蛋白质ID方法，当与Soric公式相结合，产生准确的值的比例错误的发现。在检索效率方面，从我们的方法的结果是可比的与其他方法测试。可用性：在Linux系统上用C++实现的源代码可以从ftp://ftp.ncbi.nlm.nih.gov/pub/qmbp/qmbp_ms/RAId/RAId_Linux_64Bit下载
2014-07-24 q-bio.QM
FIT: Tag based method for fusion proteins identification
人们对基因融合和嵌合RNA转录物的鉴定和分析越来越感兴趣。虽然最近的努力集中在基因组和转录组数据的分析，鉴定新的肽对应于这些事件在基于质谱的蛋白质组数据集将提供补充，蛋白质水平的证据。从质谱数据中识别融合蛋白的过程本质上是困难的，因为这样的事件是罕见的。由于收集的大量光谱和需要考虑的候选肽序列数量的爆炸，这也是复杂的，这使得对所有可能的融合伴侣蛋白的exhaustive搜索是不切实际的。在这项工作中，我们提出了一个基于序列标签的融合蛋白识别算法，FIT，它结合了从头序列标签检索和肽谱匹配的融合蛋白识别的优点。模拟数据集上的结果表明，FIT算法对融合蛋白的识别具有较高的灵敏度和较低的假阳性率。
2014-08-21 q-bio.GN q-bio.QM
DeepIso: A Deep Learning Model for Peptide Feature Detection
基于液相色谱-串联质谱（LC-MS/MS）的蛋白质组学是一个成熟的研究领域，其主要应用包括疾病生物标志物的鉴定、药物发现、药物设计和开发。在蛋白质组学中，蛋白质的鉴定和定量是一项基本任务，其方法是首先将其酶解成肽，然后通过LC-MS/MS仪器分析肽。从LC-MS图谱中检测和定量肽特征是典型分析工作流程的第一步。在本文中，我们提出了一种新的基于深度学习的模型DeepIso，该模型使用卷积神经网络（CNN）来扫描LC-MS图谱，以检测肽特征并估计其丰度。现有的工具通常基于领域知识设计有限的工程特征，并且依赖于预先训练的参数，尽管有大量新的蛋白质组数据，这些参数几乎不会更新。另一方面，我们提出的模型能够通过其多层神经元学习高维数据的多层表示，并随着新获取的数据不断进化。为了评估我们提出的模型，我们使用包括重链和轻链的抗体数据集，每个抗体数据集都被Asp-N、糜蛋白酶、胰蛋白酶消化，从而为实验提供六个LC-MS图。我们的模型在该数据集上实现了93.21%的灵敏度和99.44%的特异性。我们的研究结果表明，新的深度学习工具对于推进蛋白质识别和定量的最新技术是可取的。
2017-12-09 cs.NE physics.med-ph q-bio.QM
On the feasibility and utility of exploiting real time database search to improve adaptive peak selection
基本原理：在具有数据依赖性采集的鸟枪蛋白质组学实验中，前体扫描的实时分析导致选择少数峰用于随后的分离、片段化和二次扫描。该峰选择方案通常集中于前体扫描中最丰富的峰，同时试图避免快速连续地重新采样相同的m/z值。然而，该方案没有将先前碎片扫描的分析并入峰选择程序中。研究方法：在这项工作中，我们调查的可行性和实用性，将分析以前的碎片扫描到峰选择协议。我们表明，实时识别的碎片光谱是可行的原则上，我们调查，通过模拟，几种策略，利用所得的肽鉴定在峰选择。结果如下：我们的模拟未能提供证据表明，肽鉴定可以提供一个很大的改进，在总数量的肽确定的鸟枪蛋白质组学实验。结论：这些结果是重要的，因为它们指出了在峰选择期间使用肽鉴定的可行性，并且因为我们的实验可以为其他在这个方向上工作的人提供起点。
2012-07-24 q-bio.BM q-bio.QM
Open Mass Spectrometry Search Algorithm
蛋白质组学实验中产生的大量MS/MS肽谱需要高效、灵敏和特异的肽识别算法。在开放质谱搜索算法[OMSSA]中，使用显式模型通过经典概率评分计算特异性，用于将实验光谱与序列匹配。在默认阈值下，OMSSA比可比算法匹配更多来自标准蛋白质混合物的光谱。OMSSA被设计为在搜索大型MS/MS数据集时比已发布的算法更快。
2004-06-01 q-bio.QM
DePS: An improved deep learning model for de novo peptide sequencing
Jiangsu University of Technology（江苏理工学院）；Changzhou University（常州大学）；China University of Mining and Technology（中国矿业大学）
基于质谱数据的肽段从头测序是蛋白质鉴定的重要方法。最近，各种深度学习方法被应用于从头肽测序，DeepNovoV2是代表性模型之一。在这项研究中，我们提出了一个增强的模型，DePS，它可以提高从头肽测序的准确性，即使在串联质谱数据中丢失的信号峰或大量的噪声峰。结果表明，对于DeepNovoV2的相同测试集，DePS模型在氨基酸召回率、氨基酸精确率和肽召回率方面分别获得了74.22%、74.21%和41.68%的优异结果。此外，结果表明DePS在跨物种数据集上的表现优于DeepNovoV2。
2022-03-16 cs.CV cs.LG q-bio.QM
AIomics: exploring more of the proteome using mass spectral libraries extended by AI
本文提出利用AI神经网络生成完整预测质谱库，对大规模序列搜索结果重新评分，显著提升肽段鉴定准确性和数量，尤其对非特异性切割肽段和磷酸化肽段效果显著。
2023-05-16 q-bio.QM
Regressor-guided Diffusion Model for De Novo Peptide Sequencing with Explicit Mass Control
DiffuNovo通过回归器引导的扩散模型实现从头肽序列生成，提供显式质量控制，提升DNPS的准确性与物理合理性。
2026-02-23 cs.LG q-bio.QM
MemNovo: Look Back at the Spectrum for Balanced De Novo Peptide Sequencing from Mass Spectrometry
Westlake University（西湖大学）；Hunan University（湖南大学）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；HKUST-GZ & HKUST（香港科技大学（广州）与香港科技大学）
针对现有Transformer模型在从头肽段测序中过度依赖生成序列先验而忽视谱图证据的问题，提出训练无关的即插即用机制MemNovo，通过建立持久谱记忆库和超保守残差连接在解码阶段注入谱特征，显著提升氨基酸和肽段精度。
2026-08-06 cs.LG q-bio.QM
AdaNovo: Adaptive \emph{De Novo} Peptide Sequencing with Conditional Mutual Information
School of Engineering, Westlake University（西湖大学工程学院）；University of Southern California（南加利福尼亚大学）
针对从头肽段测序中PTM识别难和噪声干扰问题，提出AdaNovo框架，利用条件互信息进行自适应训练，在9物种基准上达到最优性能并展现鲁棒性。
2024-03-15 cs.LG q-bio.BM q-bio.QM
Antilope - A Lagrangian Relaxation Approach to the de novo Peptide Sequencing Problem
从质谱数据中进行肽段测序是蛋白质组研究中的关键步骤。尤其是从头测序，即仅从其光谱中识别肽，即使对于最先进的算法方法也仍然是一个挑战。在本文中，我们提出了羚羊，一个新的快速和灵活的方法的基础上数学规划。它建立在频谱图模型的基础上，并与各种评分方案一起工作。安蒂洛普结合拉格朗日松弛求解整数线性规划公式与适应严的k最短路径算法。与混合整数优化相比，它在运行时间上有了显着的改进，并且与其他最先进的工具具有相同的速度。我们还实现了一个通用的概率评分方案，可以自动训练的数据集的注释谱，是独立的质谱仪类型。对基准数据的评估表明，Antilope在运行时间和准确性方面与流行的最先进的程序PepNovo和NovoHMM都具有竞争力。此外，它在所考虑的离子类型的数量方面提供了更大的灵活性。Antilope将作为开源蛋白质组学图书馆OpenMS的一部分免费提供。
2011-02-19 cs.DS q-bio.QM
Peptide-Spectra Matching from Weak Supervision
与许多其他科学领域一样，当使用机器学习从质谱数据中识别蛋白质时，我们面临一个基本问题：将输入映射到正确输出的大型地面实况数据集非常难以获得。相反，我们可以访问由领域专家精心制作的不完美的手工编码模型。在本文中，我们将深度神经网络应用于蛋白质鉴定问题的重要步骤，即质谱与称为肽的氨基酸短序列的配对。我们训练我们的模型，以区分来自最先进的经典系统的最高评分结果和第二名和第三名的硬性阴性结果。我们得到的模型在识别具有光谱的肽方面比用于生成其训练数据的模型要好得多。特别是，我们实现了43%的标准匹配方法的改进和10%的匹配方法和行业标准的交叉光谱重新排序工具的组合的改进。重要的是，在反映生物学家当前面临的挑战的更困难的实验制度中，即使在重新排名后，我们对先前最先进技术的优势也增长到15%。我们相信这种方法将推广到其他具有挑战性的科学问题。
2018-08-22 q-bio.QM stat.ML
PointIso: Point Cloud Based Deep Learning Model for Detecting Arbitrary-Precision Peptide Features in LC-MS Map through Attention Based Segmentation
University of Waterloo（滑铁卢大学）；Bioinformatics Solutions Inc.（生物信息学解决方案公司）
发现疾病生物标志物的一种有前途的技术是通过基于定量蛋白质组学的液相色谱串联质谱（LC-MS/MS）来测量多个生物流体样品中的相对蛋白质丰度。关键步骤涉及LC-MS图谱中的肽特征检测，以及其电荷和强度。现有的启发式算法遭受不准确的参数，因为不同的参数设置会导致显着不同的结果。因此，我们提出PointIso，以满足肽特征检测自动化系统的必要性，该系统能够找到适当的参数本身，并且易于适应不同类型的数据集。它由用于分割肽特征的多同位素模式以及电荷的基于注意力的扫描步骤和用于将这些同位素分组为潜在肽特征的序列分类步骤组成。PointIso是第一个基于点云的任意精度深度学习网络来解决这个问题，并在基准数据集中实现了98%的高质量MS/MS识别检测，这高于其他几种广泛使用的算法。除了有助于蛋白质组学研究，我们相信我们的新分割技术应该服务于一般的图像处理领域以及。
2020-09-15 cs.CV cs.LG q-bio.QM
DeepQuality: Mass Spectra Quality Assessment via Compressed Sensing and Deep Learning
动机：基于质谱的蛋白质组学是生物学或医学研究中最常用的研究不同器官蛋白质组谱的方法之一。所有的蛋白质组学分析，包括肽/蛋白质鉴定和定量、差异表达分析、生物标志物发现等，都是基于质谱与肽序列的匹配，而质谱的匹配受到质谱质量的显著影响，例如峰数、噪声峰、信噪比等。为了在识别之后进行滤波和/或后处理，评估光谱的质量是至关重要的。然而，代表光谱质量的手工特征需要人工专业知识来设计并且难以优化，因此现有的评估算法仍然缺乏准确性。因此，有一个强大的和自适应的质谱质量评估算法的迫切需要。结果如下：我们基于最先进的压缩感知和深度学习算法开发了一种新型质谱评估软件DeepQuality。我们在两个公开的串联MS数据集上评估了该算法，分别得到AUC为0.96和0.92，与现有方法SpectrumQuality v2.0的AUC为0.85和0.91相比，有了显著的改善。可用性：软件可在https://github.com/horsepurve/DeepQuality上获得
2017-10-31 q-bio.QM
Spectrum Identification using a Dynamic Bayesian Network Model of Tandem Mass Spectra
鸟枪蛋白质组学是一种高通量技术，用于识别复杂混合物中的未知蛋白质。这个过程的核心是一个预测任务，即光谱识别问题，其中鸟枪蛋白质组学实验产生的每个片段光谱必须映射到产生光谱的肽（蛋白质子序列）。我们提出了一种新的算法的频谱识别，基于动态贝叶斯网络，这显着优于事实标准工具，这项任务：SEQUEST和吉祥物。
2012-10-16 cs.CE q-bio.QM
SERS discrimination of single amino acid residue in single peptide by plasmonic nanocavities
针对蛋白质SERS光谱被芳香族残基主导而难以分析序列的问题，本研究利用电等离激元纳米腔实现单分子水平SERS，成功识别短肽链中单一氨基酸残基，为单蛋白质测序提供了新方法。
2019-12-13 physics.optics q-bio.QM
Towards Less Biased Data-driven Scoring with Deep Learning-Based End-to-end Database Search in Tandem Mass Spectrometry
University of Waterloo（滑铁卢大学）；Cheriton School of Computer Science（克里顿计算机科学学院）
提出首个基于深度学习的端到端串联质谱数据库搜索方法 DeepSearch，通过对比学习与改进 transformer 架构实现低偏差、无需统计估计的数据驱动评分，并支持零样本可变翻译后修饰分析。
2024-05-08 cs.AI q-bio.QM
An Efficient Algorithm for Clustering of Large-Scale Mass Spectrometry Data
高通量光谱仪能够产生包含单个生物样品的数千个光谱的数据集。这些数据集包含来自肽的大量冗余，这些肽可能在LC-MS/MS实验中被多次选择。在本文中，我们提出了一个有效的算法，CAMS（聚类算法质谱）的聚类质谱数据，提高了灵敏度和信心的光谱分配。CAMS利用一种称为F-set的新型度量标准，可以准确识别相似的光谱。一个图论框架的定义，允许使用F-集度量有效地准确的聚类识别。该算法的准确性进行了测试的真实HCD和CID数据集与不同量的肽。我们的实验表明，该算法是能够聚类光谱具有非常高的精度在一个合理的时间量为大的光谱数据集。因此，该算法能够通过压缩数据集来减少计算时间，同时通过解释低S/N光谱来增加数据的吞吐量。
2013-01-04 cs.DS q-bio.GN q-bio.QM
Comprehensive Overview of Bottom-up Proteomics using Mass Spectrometry
本文综述了基于质谱的自下而上蛋白质组学方法，涵盖从蛋白质提取到生物学解释的全流程，旨在为新手提供基础资源。
2023-11-13 q-bio.QM
PTransIPs: Identification of phosphorylation sites enhanced by protein PLM embeddings
School of Mathematics and Statistics, Lanzhou University（兰州大学数学与统计学院）；Cuiying Honors College, Lanzhou University（兰州大学萃英学院）；Lanzhou Power Supply Company, State Grid Gansu Electric Power Co., Ltd.（国网甘肃省电力公司兰州供电公司）；Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系）；Department of Computer Science, City University of Hong Kong (Dongguan)（香港城市大学（东莞）计算机科学系）；Suzhou Xuying Technology Co., Ltd.（苏州旭影科技有限公司）
本研究开发了新型深度学习框架 PTransIPs，首次利用蛋白质预训练语言模型嵌入并结合 Transformer 架构识别磷酸化位点，其性能优于现有 SOTA 方法，且具备作为多肽生物活性通用框架的潜力。
2024-03-13 cs.LG q-bio.QM
A new SWATH ion library for mouse adult hippocampal neural stem cells
在过去的几年中，SWATH数据独立的采集协议（全理论质谱的顺序窗口采集）已成为全球蛋白质组学社区的基石。在这种方法中，高分辨率四极杆ToF质谱仪通过一次选择不仅仅是一种前体，而是通过允许宽的m/z范围被碎片化来获取数千个MS/MS数据。然后，该采集窗口从最低质量选择范围顺序移动到最高质量选择范围。该技术能够在标准LC-MS运行中每分钟采集数千个高分辨率MS/MS光谱。在随后的数据分析阶段，以三重四极杆样模式搜索相应的数据集，因此不考虑整个MS/MS扫描光谱，而是通过搜索几个前体到片段跃迁来识别和定量相应的肽。这种搜索是可能的使用的离子库，以前获得的经典数据依赖，全光谱模式。SWATH方案结合了高分辨率MS/MS光谱的蛋白质鉴定能力和三重四重靶向工作流程的分析物定量的鲁棒性和准确性，在蛋白质组学研究中变得非常流行。主要的缺点在于离子库本身，这通常是要求和耗时的建设。相反，通过色谱保留时间的重新排列，给定蛋白质组的离子库可以相对容易地在对相同蛋白质组进行的任何蛋白质组学实验上进行定制。因此，我们在此与全球蛋白质组学社区分享我们新获得的小鼠成年海马神经干细胞离子库。鉴于神经科学研究中涉及蛋白质组学实验的努力越来越多，我们相信这些数据可能对神经科学界有很大的帮助。
2019-03-15 q-bio.QM
Gradients of Generative Models for Improved Discriminative Analysis of Tandem Mass Spectra
University of California, Davis（加州大学戴维斯分校）
串联质谱（MS/MS）是一种高通量技术，用于鉴定复杂生物样品（如一滴血）中的蛋白质。在该过程的输出处生成光谱的集合，其中每个光谱代表原始复杂样品中存在的肽（蛋白质子序列）。在这项工作中，我们利用生成模型的对数似然梯度来提高这种光谱的识别。特别是，我们表明，最近提出的动态贝叶斯网络（DBN）的梯度可以自然地采用基于核的判别分类。由此产生的Fisher核大大改善了最近尝试将生成和判别模型结合起来进行后处理分析的尝试，在评估的数据集上优于所有其他方法。我们通过引入Theseus，DBN代表大量广泛使用的MS/MS评分函数，将Fisher内核框架提供的改进精度扩展到其他搜索算法。此外，通过梯度上升和最大乘积推理，我们使用Theseus在没有任何监督的情况下学习模型参数。
2019-09-04 cs.LG q-bio.QM stat.ML
Mining Mass Spectra: Metric Embeddings and Fast Near Neighbor Search
大规模高通量串联质谱数据集的挖掘是基于质谱的蛋白质鉴定中的一个重要问题。在大规模的光谱挖掘的基本问题之一是设计适当的度量和算法，以避免所有成对的光谱比较。在本文中，我们提出了一个通用的框架，基于向量空间，以避免成对比较。我们首先鲁棒地嵌入光谱在高维空间中的一种新的方式，然后应用快速近似近邻算法的任务，如构建过滤器的数据库搜索，索引和相似性搜索。我们正式证明，我们的嵌入具有低失真相比，余弦相似性，并且，随着局部敏感哈希（LSH），我们设计的数据库搜索过滤器，可以过滤掉超过989%的肽（118倍少），而错过了最多0.29%的正确序列。然后，我们展示了我们的框架如何可以用于相似性搜索，然后可以用来检测紧密的集群或复制。平均而言，对于16个光谱的聚类大小，LSH仅丢失1个光谱并且仅允许1个假光谱。此外，我们的框架与降维技术相结合，使我们能够在2D空间中可视化大型数据集。我们的框架也有可能嵌入和比较数据集与翻译后修改（PTM）。
2006-03-01 q-bio.OT q-bio.QM
Liquid chromatography mass spectrometry-based proteomics: Biological and technological aspects
基于质谱的蛋白质组学已成为鉴定和定量生物体蛋白质组的首选工具。虽然近年来在工具性能和所用计算工具方面有了巨大改进，但仍然存在重大挑战，统计人员有许多机会作出重要贡献。在最广泛使用的“自下而上”的蛋白质组学方法中，首先对蛋白质的复杂混合物进行酶促裂解，基于化学或物理性质分离所得肽产物，并使用质谱仪进行分析。自下而上的基于MS的蛋白质组学分析中的两个基本挑战如下：（1）鉴定样品中存在的蛋白质，以及（2）定量鉴定的蛋白质的丰度水平。这两项挑战都需要了解产生观测数据的生物和技术背景，以及应用合理的统计原则进行估计和推断。我们提出了自下而上的蛋白质组学的概述，并概述了蛋白质鉴定和定量中出现的关键统计问题。
2011-01-06 q-bio.BM q-bio.QM stat.AP
