DeepSearch——基于深度學(xué)習(xí)的高靈敏串聯(lián)質(zhì)譜數(shù)據(jù)搜庫分析策略
在基于質(zhì)譜（MS）的蛋白質(zhì)組學(xué)中，肽段鑒定是關(guān)鍵挑戰(zhàn)。傳統(tǒng)數(shù)據(jù)庫搜索方法依賴啟發(fā)式評分函數(shù)，存在對某些肽段組成的偏差，需引入統(tǒng)計(jì)估計(jì)提高鑒定率。深度學(xué)習(xí)雖提升了肽段從頭測序的準(zhǔn)確性，但現(xiàn)有方法在處理不同蛋白質(zhì)組成數(shù)據(jù)集及鑒定可變翻譯后修飾（PTM）方面仍存在不足。
為應(yīng)對以上問題，Yonghan Yu和李明教授（Bioinformatics Solution Inc.創(chuàng)始人、加拿大皇家學(xué)會院士）在Nature Machine Intelligence（IF 18.8）發(fā)表了題為“Towards highly sensitive deep learning-based end-to-end database search for tandem mass spectrometry”的最新研究成果，提出了一種新的串聯(lián)質(zhì)譜數(shù)據(jù)庫搜索方法—DeepSearch。在對比學(xué)習(xí)框架下，DeepSearch采用了改進(jìn)的基于Transformer 的編解碼器架構(gòu)。與傳統(tǒng)的離子與離子匹配方法不同，DeepSearch 采用數(shù)據(jù)驅(qū)動的方法對肽段-譜圖匹配進(jìn)行評分，顯著降低了評分偏差，并且支持零樣本變量的可變翻譯后修飾（PTM）鑒定。DeepSearch在各種數(shù)據(jù)集上均表現(xiàn)出較高的準(zhǔn)確性和穩(wěn)定性，包括不同物種的數(shù)據(jù)集以及富含PTM的數(shù)據(jù)集等。DeepSearch 為串聯(lián)質(zhì)譜的數(shù)據(jù)庫搜索方法提供了新的思路。
為應(yīng)對以上問題，Yonghan Yu和李明教授（Bioinformatics Solution Inc.創(chuàng)始人、加拿大皇家學(xué)會院士）在Nature Machine Intelligence（IF 18.8）發(fā)表了題為“Towards highly sensitive deep learning-based end-to-end database search for tandem mass spectrometry”的最新研究成果，提出了一種新的串聯(lián)質(zhì)譜數(shù)據(jù)庫搜索方法—DeepSearch。在對比學(xué)習(xí)框架下，DeepSearch采用了改進(jìn)的基于Transformer 的編解碼器架構(gòu)。與傳統(tǒng)的離子與離子匹配方法不同，DeepSearch 采用數(shù)據(jù)驅(qū)動的方法對肽段-譜圖匹配進(jìn)行評分，顯著降低了評分偏差，并且支持零樣本變量的可變翻譯后修飾（PTM）鑒定。DeepSearch在各種數(shù)據(jù)集上均表現(xiàn)出較高的準(zhǔn)確性和穩(wěn)定性，包括不同物種的數(shù)據(jù)集以及富含PTM的數(shù)據(jù)集等。DeepSearch 為串聯(lián)質(zhì)譜的數(shù)據(jù)庫搜索方法提供了新的思路。
DeepSearch方法
圖1 DeepSearch搜索模型
傳統(tǒng)的譜圖搜索策略一般是將標(biāo)準(zhǔn)參考序列通過計(jì)算機(jī)模擬酶切（in-silico digestion）后，生成對應(yīng)的理論譜，然后與實(shí)際采集的譜圖進(jìn)行匹配。因此，對于復(fù)雜譜圖來說，就存在一些局限性。
DeepSearch采用改進(jìn)的基于Transformer的編解碼器架構(gòu)，從蛋白質(zhì)數(shù)據(jù)庫的計(jì)算機(jī)理論酶解開始，DeepSearch將酶解的肽和實(shí)驗(yàn)MS/ MS譜圖編碼到嵌入中。DeepSearch不依賴于離子間匹配的啟發(fā)式評分函數(shù)，而是使用相應(yīng)嵌入之間的余弦相似性來對PSM進(jìn)行評分，這可以通過單個矩陣乘法有效地計(jì)算出來。
為了解決在 PSM 中注釋密切相關(guān)的負(fù)對的挑戰(zhàn)，并減少注釋中采用的搜索引擎的偏差，DeepSearch采用了批量內(nèi)對比學(xué)習(xí)框架 。在訓(xùn)練過程中，DeepSearch 隨機(jī)對一批錨定肽段質(zhì)量的PSM 進(jìn)行采樣（正對），并將肽段-譜對（不包括采樣的 PSM）用作負(fù)對（圖 1c），通過對比學(xué)習(xí)，使正對之間的余弦相似度更高，而負(fù)對之間的余弦相似度更低。并且，DeepSearch 通過Phred分?jǐn)?shù)對PSMs進(jìn)行重排序，確保最終的匹配更加準(zhǔn)確。在理論譜圖中引入修飾質(zhì)量偏移（mass shift），生成包含修飾信息的肽段嵌入。通過對比學(xué)習(xí)，DeepSearch可以直接對具有不同修飾的肽段進(jìn)行鑒定。
實(shí)驗(yàn)結(jié)果
1. PSM 評分偏差較小
擬南芥數(shù)據(jù)集的測試結(jié)果顯示，與 MSFragger、MS- GF+和 MaxQuant 比較，DeepSearch 的評分不受肽段長度影響，對缺失片段較多的短肽段評分較低，且在不同缺失片段數(shù)量下長肽段分?jǐn)?shù)分布無顯著差異。在 1% FDR 控制下，其報(bào)告的 PSM 數(shù)量與其他引擎相比具有優(yōu)勢，不受統(tǒng)計(jì)模型影響（圖2a）。此外，目標(biāo)序列匹配分?jǐn)?shù)（藍(lán)色）在所有肽段長度范圍內(nèi)分布均勻，表明DeepSearch的評分機(jī)制對肽段長度變化的穩(wěn)定性。Decoy匹配（紅色）較低且分布較窄，說明decoy匹配分?jǐn)?shù)的波動較小，質(zhì)控良好。
圖2 不同搜索引擎對擬南芥數(shù)據(jù)集中不同長度肽段的鑒定2. 肽段鑒定準(zhǔn)確且穩(wěn)健
圖3（a–d）分別展示了擬南芥（A. thaliana）、HEK293細(xì)胞、秀麗隱桿線蟲（C. elegans）和大腸桿菌（E. coli）數(shù)據(jù)集在1%假陽性率（FDR）下的PSM數(shù)量。結(jié)果顯示DeepSearch在不依賴統(tǒng)計(jì)模型的情況下，仍能維持較高的PSM鑒定數(shù)量，說明對于統(tǒng)計(jì)估計(jì)的依賴性已顯著降低。
圖3 不同物種數(shù)據(jù)集通過FDR 1%質(zhì)控的PSM數(shù)量3. 零樣本可變 PTM 分析
傳統(tǒng)搜庫方法通常需要提前對特定翻譯后修飾（如磷酸化）的數(shù)據(jù)進(jìn)行訓(xùn)練，限制了未知修飾的分析與發(fā)現(xiàn)。而DeepSearch借助深度學(xué)習(xí)，結(jié)合譜圖與肽段序列之間的普遍規(guī)律，可以實(shí)現(xiàn)零樣本的翻譯后修飾訓(xùn)練。從圖4 HeLa 磷酸化富集數(shù)據(jù)集的測試結(jié)果看，DeepSearch在零樣本條件下，PTM分析的表現(xiàn)良好。圖4a分別表示對于非修飾肽段、單位點(diǎn)修飾肽段、雙位點(diǎn)修飾肽段的評分分布，可以看出隨著修飾數(shù)量增加，目標(biāo)肽段的匹配（藍(lán)色）評分分布變寬，decoy匹配的得分分布變化較小，說明雖然修飾的復(fù)雜性對target匹配影響較大，但仍能保持較好的decoy質(zhì)控。與MSFragger和MS-GF+相比，DeepSearch的準(zhǔn)確性較高，但修飾肽的鑒定數(shù)量略少一些（圖4b-d），有待進(jìn)一步優(yōu)化。
圖4 Hela磷酸化富集數(shù)據(jù)集的零樣本PTM表征
結(jié)論與展望
DeepSearch 是首個基于深度學(xué)習(xí)的端到端的串聯(lián)質(zhì)譜數(shù)據(jù)庫搜索引擎，評分偏差小、準(zhǔn)確性和穩(wěn)健性高，能實(shí)現(xiàn)零樣本PTM分析，標(biāo)志著AI技術(shù)在蛋白質(zhì)組學(xué)領(lǐng)域的重大應(yīng)用突破。未來，DeepSearch有望作為獨(dú)立引擎或重新評分模塊，整合到現(xiàn)有蛋白質(zhì)組學(xué)分析流程中，推動蛋白質(zhì)組學(xué)尤其是復(fù)雜修飾組學(xué)的快速發(fā)展。
文獻(xiàn)原文
Yu, Y., Li, M. Towards highly sensitive deep learning-based end-to-end database search for tandem mass spectrometry. Nat Mach Intell (2025). https://doi.org/10.1038/s42256-024-00960-1
作為生物信息學(xué)的領(lǐng)軍企業(yè)，BSI專注于蛋白質(zhì)組學(xué)和生物藥領(lǐng)域，通過機(jī)器學(xué)習(xí)和先進(jìn)算法提供世界領(lǐng)先的質(zhì)譜數(shù)據(jù)分析軟件和蛋白質(zhì)組學(xué)服務(wù)解決方案，以推進(jìn)生物學(xué)研究和藥物發(fā)現(xiàn)。我們通過基于AI的計(jì)算方案，為您提供對蛋白質(zhì)組學(xué)、基因組學(xué)和醫(yī)學(xué)的卓越洞見。旗下著名的PEAKS®️系列軟件在全世界擁有數(shù)千家學(xué)術(shù)和工業(yè)用戶，包括：PEAKS®️ Studio，PEAKS®️ Online，PEAKS®️ GlycanFinder, PEAKS®️ AB，DeepImmu®️ 免疫肽組發(fā)現(xiàn)服務(wù)和抗體綜合表征服務(wù)等。
標(biāo)簽：
蛋白質(zhì)組學(xué)；串聯(lián)質(zhì)譜；搜庫
- 蛋白質(zhì)組學(xué)基礎(chǔ) ：常見蛋白酶的結(jié)構(gòu)、來源及性質(zhì)
- 用戶文章：食品加工使半夏中毒性凝集素減少和生物活性肽增加
- 針對SARS-CoV-2變異株核衣殼蛋白的單克隆抗體的開發(fā)與表征
- DeepSearch——基于深度學(xué)習(xí)的高靈敏串聯(lián)質(zhì)譜數(shù)據(jù)搜庫分析策略
- 用戶文章 ： 鑒定不同發(fā)酵時間的羊乳開菲爾中潛在的生物活性肽
- 過程分析技術(shù)（PAT）知識管理軟件系統(tǒng)的介紹及應(yīng)用
- 用戶文章：基于LC-MS/MS鑒定絲綢種類以提供古代使用野生蠶絲的證據(jù)
- Nature最新研究成果：內(nèi)源性肽維持中樞神經(jīng)系統(tǒng)的免疫豁免機(jī)制
- 講座：MOE軟件在PROTAC研究中的前沿應(yīng)用
- 講座：Xybion Pristima動物實(shí)驗(yàn)管理核心業(yè)務(wù)模塊
- 講座：新一代化學(xué)結(jié)構(gòu)編輯器Marvin功能及其應(yīng)用介紹
- DeepProteomics云講堂：一作伴你行系列講座
- 臨床前實(shí)驗(yàn)室的數(shù)字化變革--Xybion Pristima方案
- 2025第十七屆中國整合生物樣本學(xué)大會通知
- 活動征集：2025年蛋白質(zhì)組學(xué)在線講座主題
- 講座邀請：ADMET Ranker™軟件精準(zhǔn)ADMET設(shè)計(jì)與優(yōu)化
Copyright(C) 1998-2025 生物器材網(wǎng) 電話：021-64166852;13621656896 E-mail：info@bio-equip.com