深度学习在肽段测序任务中的应用与进展

来源：计算机技术与发展杂志2025年第09期北京时间：

作者：柳楠;张航;邱宁宁

摘要：串联质谱技术是蛋白质组学中分析数据的主要技术,因其高灵敏度与可靠性已成为大规模蛋白质鉴定的重要工具。肽段从头测序技术通过直接解析质谱数据,无需依赖现有蛋白质数据库,克服了传统数据库检索方式在处理大规模、高复杂性质谱数据时速度慢和灵活性有限的问题。近年来,深度学习技术以其强大的数据处理和特征提取能力为肽段从头测序任务提供了更为高效和创新性的方法。该文深入研究了基于卷积神经网络(CNN)、编码器-解码器(Encoder-Decode)架构、transformer架构等深度学习模型在肽段测序任务中的应用,介绍了常用数据集和评价指标以及模型的具体结构;重点介绍了各个模型如何学习质谱数据的复杂特征,并有效解决肽段序列预测中的噪声干扰、数据缺失和长距离依赖关系等问题。这些模型的应用显著提升了肽段从头测序的准确性和效率,为蛋白质组学研究提供了强大的技术支持和研究思路。此外,还探讨了在实际生物医学研究中的应用潜力,为未来蛋白质组学和精准医疗的发展提供了新的技术手段。

关键词：肽段从头测序;深度学习;蛋白质组学;串联质谱技术;生物信息学