編輯丨王多魚
排版丨水成文
深度學(xué)習(xí)(Deep Learning)在糖蛋白組學(xué)(glycoproteomics)的高通量譜庫構(gòu)建中展現(xiàn)出巨大潛力。然而,由于完整 N-糖肽(N-glycopeptide)結(jié)構(gòu)復(fù)雜且信息維度高,其結(jié)構(gòu)光譜的精確預(yù)測(cè)仍面臨挑戰(zhàn)。
2026 年 5 月 18 日,西北大學(xué)生命科學(xué)學(xué)院孫士生教授團(tuán)隊(duì)在 Nature 子刊Nature Machine Intelligence上發(fā)表了題為:SpecGP as a transformer-based model for predicting energy-adaptable structural spectra of glycopeptides 的研究論文。
該研究開發(fā)了一個(gè)基于 Transformer 的模型——SpecGP,用于預(yù)測(cè)糖肽(glycopeptide)的能量適應(yīng)性結(jié)構(gòu)光譜。
![]()
在這項(xiàng)最新研究中,研究團(tuán)隊(duì)提出了一個(gè)基于 Transformer 的模型——SpecGP,采用注意力增強(qiáng)的糖質(zhì)片段編碼策略與多層感知器,實(shí)現(xiàn)精準(zhǔn)的糖肽譜預(yù)測(cè)。該模型通過擴(kuò)展碎片離子覆蓋范圍,在保持高預(yù)測(cè)精度的同時(shí),提升了糖肽間的譜圖區(qū)分能力。通過預(yù)測(cè)多個(gè)碰撞能量下的質(zhì)譜圖,SpecGP 最大化關(guān)鍵診斷離子的檢測(cè),并確保與多樣化實(shí)驗(yàn)數(shù)據(jù)集的廣泛兼容性。此外,其雙任務(wù)框架還改進(jìn)了保留時(shí)間預(yù)測(cè)。
![]()
在應(yīng)用中,SpecGP 通過自監(jiān)督加權(quán)訓(xùn)練策略有效增強(qiáng)異構(gòu)體區(qū)分能力,并借助重評(píng)分提升糖肽鑒定效果。多能量譜中動(dòng)態(tài)變化的互補(bǔ)診斷離子可進(jìn)一步強(qiáng)化并驗(yàn)證糖質(zhì)結(jié)構(gòu)判別能力。
論文鏈接:
https://www.nature.com/articles/s42256-026-01246-4
特別聲明:以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布,本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.