对应论文
MassNet: billion-scale AI-ready mass spectral corpus empowering scalable deep learning in proteomics
视频简介
蛋白质组学中基于质谱的肽段测序是生物医学研究的关键,但缺乏大规模、标准化、AI就绪的数据资源,限制了深度学习方法的潜力。 本文构建了MassNet,包含来自35个物种的15亿张串联质谱图,并提出了标准化存储格式MSDT。基于此,开发了非自回归Transformer模型XuanjiNovo,采用课程学习策略进行从头肽段测序。 XuanjiNovo在人类Astral数据上相比现有方法提升了38.35%至143.57%。MassNet还支持保留时间预测和PSM重新评分等下游任务。 MassNet是蛋白质组学AI研究的基础性数据资源,有望推动该领域深度学习的发展。其限制在于主要基于DDA数据,对DIA等新兴方法的兼容性及跨物种泛化能力有待进一步验证。