上海
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.
