NovoBench: 基于深度学习的蛋白质组学中 De Novo 肽段测序方法的基准测试

Jun, 2024

NovoBench: 基于深度学习的蛋白质组学中 De Novo 肽段测序方法的基准测试

NovoBench: Benchmarking Deep Learning-based De Novo Peptide Sequencing Methods in Proteomics

Jingbo Zhou, Shaorong Chen, Jun Xia, Sizhe Liu, Tianze Ling...

TL;DR本文介绍了第一个统一的鲁棒性肽段测序标准 NovoBench，该标准包括多样的质谱数据、整合模型和全面的评估指标，并通过对各种因素的评估，揭示了许多有启发性的发现，为未来的发展开辟了新的可能性。

Abstract

tandem mass spectrometry has played a pivotal role in advancing proteomics, enabling the high-throughput analysis of protein composition in biological tissues. Many deep learning methods have been developed for \

tandem mass spectrometry proteomics de novo peptide sequencing benchmark evaluation metrics

发现论文，激发创造

AdaNovo：基于条件互信息的自适应全新肽段测序

AdaNovo 是一个新颖的框架，通过计算光谱与每个氨基酸 / 肽之间的条件互信息（CMI），利用 CMI 进行自适应模型训练，以解决串级质谱在鉴定具有后转录修饰的氨基酸时遇到的挑战，并且在鉴定肽和抗数据噪声方面表现出色。

Mar, 2024

ContraNovo: 提高全新多肽测序的对比学习方法

ContraNovo 算法是一种创新算法，通过对质谱和肽段之间的关系进行对比学习，并将质量信息纳入肽段解码，从而更高效地解决肽段测序问题，并在两个基准数据集上得到了可靠的结果，显示出其在提升新肽段测序中的潜力。

Dec, 2023

基于 Transformer 的数据独立获得质谱的新肽碱基序列

Casanovo-DIA 是一种基于 Transformer 架构的深度学习模型，能够从 DIA 质谱数据中解析肽段序列，并显著提高了已有方法的精度和召回率，在氨基酸水平上精度提高 15.14% 至 34.8%，召回率提高 11.62% 至 31.94%，在肽段水平上精度提高 59% 至 81.36%。将 DIA 数据与 Casanovo-DIA 模型集成能够大大提升对生物样本的肽段发现和全面性分析。

Feb, 2024

深度学习驱动的串联质谱数据库搜索中减少数据偏倚的方法

DeepSearch 是首个基于深度学习的串联质谱数据库搜索方法，通过改进的转换器编码器 - 解码器架构和对比学习框架，采用数据驱动方法评分肽谱匹配，并以零样本方式对变量翻译修饰进行建模，验证了其准确性和鲁棒性。

May, 2024

用于全新蛋白质设计的生成式人工智能

利用人工智能等方法进行蛋白质工程和全新设计的研究方案，如生成模型和扩散过程，能够生成展现出所需特性和功能的全新而真实的蛋白质，在优先测试设计方案方面仍然面临一些挑战，因此需要综合生物化学知识提高性能和可解释性。

Oct, 2023

GuacaMol: 评估基于先验知识和基于神经元网络的分子设计模型

利用深度学习和神经生成模型实现了分子的设计，提出了基于标准化基准测试的评估框架，GuacaMol，可用于衡量分子的生成和性质分布等多方面。

Nov, 2018

基于 GC-EI-MS 光谱的小分子的去新识别

本文介绍了一种用于 GC-EI-MS 数据的基于机器学习的新型的 de-novo 方法，主要解决由于缺乏附加信息而导致的质谱数据的结构鉴定问题。