當前位置 > 首頁 > 技術文章 > DeepSearch——基于深度學習的高靈敏串聯(lián)質譜數(shù)據(jù)搜庫分析策略

DeepSearch——基于深度學習的高靈敏串聯(lián)質譜數(shù)據(jù)搜庫分析策略

瀏覽次數(shù)：371　發(fā)布日期：2025-1-23　來源：本站　僅供參考，謝絕轉載，否則責任自負

在基于質譜（MS）的蛋白質組學中，肽段鑒定是關鍵挑戰(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)計估計提高鑒定率。深度學習雖提升了肽段從頭測序的準確性，但現(xiàn)有方法在處理不同蛋白質組成數(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)質譜數(shù)據(jù)庫搜索方法—DeepSearch。在對比學習框架下，DeepSearch采用了改進的基于Transformer 的編解碼器架構。與傳統(tǒng)的離子與離子匹配方法不同，DeepSearch 采用數(shù)據(jù)驅動的方法對肽段-譜圖匹配進行評分，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準參考序列通過計算機模擬酶切（in-silico digestion）后，生成對應的理論譜，然后與實際采集的譜圖進行匹配。因此，對于復雜譜圖來說，就存在一些局限性。

DeepSearch采用改進的基于Transformer的編解碼器架構，從蛋白質數(shù)據(jù)庫的計算機理論酶解開始，DeepSearch將酶解的肽和實驗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)，而是使用相應嵌入之間的余弦相似性來對PSM進行評分，這可以通過單個矩陣乘法有效地計算出來。

為了解決在 PSM 中注釋密切相關的負對的挑戰(zhàn)，并減少注釋中采用的搜索引擎的偏差，DeepSearch采用了批量內對比學習框架。在訓練過程中，DeepSearch 隨機對一批錨定肽段質量的PSM 進行采樣（正對），并將肽段-譜對（不包括采樣的 PSM）用作負對（圖 1c），通過對比學習，使正對之間的余弦相似度更高，而負對之間的余弦相似度更低。并且，DeepSearch 通過Phred分數(shù)對PSMs進行重排序，確保最終的匹配更加準確。在理論譜圖中引入修飾質量偏移（mass shift），生成包含修飾信息的肽段嵌入。通過對比學習，DeepSearch可以直接對具有不同修飾的肽段進行鑒定。

實驗結果

1. PSM 評分偏差較小

擬南芥數(shù)據(jù)集的測試結果顯示，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)量下長肽段分數(shù)分布無顯著差異。在 1% FDR 控制下，其報告的 PSM 數(shù)量與其他引擎相比具有優(yōu)勢，不受統(tǒng)計模型影響（圖2a）。此外，目標序列匹配分數(shù)（藍色）在所有肽段長度范圍內分布均勻，表明DeepSearch的評分機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匹配分數(shù)的波動較小，質控良好。

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. 肽段鑒定準確且穩(wěn)健

圖3（a–d）分別展示了擬南芥（A. thaliana）、HEK293細胞、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。結果顯示DeepSearch在不依賴統(tǒng)計模型的情況下，仍能維持較高的PSM鑒定數(shù)量，說明對于統(tǒng)計估計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)進行訓練，限制了未知修飾的分析與發(fā)現(xiàn)。而DeepSearch借助深度學習，結合譜圖與肽段序列之間的普遍規(guī)律，可以實現(xiàn)零樣本的翻譯后修飾訓練。從圖4 HeLa 磷酸化富集數(shù)據(jù)集的測試結果看，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、單位點修飾肽段、雙位點修飾肽段的評分分布，可以看出隨著修飾數(shù)量增加，目標肽段的匹配（藍色）評分分布變寬，decoy匹配的得分分布變化較小，說明雖然修飾的復雜性對target匹配影響較大，但仍能保持較好的decoy質控。與MSFragger和MS-GF+相比，DeepSearch的準確性較高，但修飾肽的鑒定數(shù)量略少一些（圖4b-d），有待進一步優(yōu)化。

圖4 Hela磷酸化富集數(shù)據(jù)集的零樣本PTM表征

結論與展望

DeepSearch 是首個基于深度學習的端到端的串聯(lián)質譜數(shù)據(jù)庫搜索引擎，評分偏差小、準確性和穩(wěn)健性高，能實現(xiàn)零樣本PTM分析，標志著AI技術在蛋白質組學領域的重大應用突破。未來，DeepSearch有望作為獨立引擎或重新評分模塊，整合到現(xiàn)有蛋白質組學分析流程中，推動蛋白質組學尤其是復雜修飾組學的快速發(fā)展。

文獻原文
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

作為生物信息學的領軍企業(yè)，BSI專注于蛋白質組學和生物藥領域，通過機器學習和先進算法提供世界領先的質譜數(shù)據(jù)分析軟件和蛋白質組學服務解決方案，以推進生物學研究和藥物發(fā)現(xiàn)。我們通過基于AI的計算方案，為您提供對蛋白質組學、基因組學和醫(yī)學的卓越洞見。旗下著名的PEAKS^®️系列軟件在全世界擁有數(shù)千家學術和工業(yè)用戶，包括：PEAKS^®️ Studio，PEAKS^®️ Online，PEAKS^®️ GlycanFinder, PEAKS^®️ AB，DeepImmu^®️ 免疫肽組發(fā)現(xiàn)服務和抗體綜合表征服務等。

索取資料

來源：百蓁生物科技（上海）有限公司
聯(lián)系電話：021-60919881
E-mail：sales-china@bioinfor.com

【點擊可查看百蓁生物科技（上海）有限公司相關產(chǎn)品】

標簽：蛋白質組學；串聯(lián)質譜；搜庫

分享到：QQ空間新浪微博騰訊微博微信

【所有文章】【本類新聞】【相關產(chǎn)品】【關閉窗口】

本類文章

本類新聞