跳到正文
arXiv· Rui Qiao; Lei Xin; Baozhen Shan·· 13 天前AI 评分67

NovoCRF 提出基于前缀质量格的全局归一化从头肽段测序方法

NovoCRF: Globally Normalized De Novo Peptide Sequencing on a Prefix-Mass Lattice

AI 导读

NovoCRF 提出一种以前缀质量为状态的条件随机场,用于从头肽段测序,并在全部质量可行肽段上做精确归一化训练。模型有 310k 参数,训练约 17 GPU-hours,在七个 2026 年发布的 DDA 数据集上平均肽段召回 42.4%,高于五 beam 的 Casanovo v5 的 39.1%。

预印本 · arxiv · 2611.05260

本站摘要基于收录版本 v1(2026-11-04),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v1

摘要 · AI 翻译

从基于手工设计或生成式打分的动态规划,到端到端学习该任务的大型 Transformer,从头肽段测序(de novo peptide sequencing)已经历了范式转变。我们提出 NovoCRF,一个状态为前缀质量的条件随机场(CRF),其路径恰好对应于位于前体质量 ±0.06 Da 范围内的肽段。一个小网络基于物理推导的离子匹配特征为每条边打分,并在所有质量可行肽段上进行全局归一化训练。据我们所知,NovoCRF 是首个在所有质量可行肽段上进行精确归一化训练的从头测序方法。我们的软件包含三个模块,每个模块只负责一件事:前体质量查找器从 MS1 中恢复精确的前体质量,CRF 通过精确 k-best 解码找出符合前体质量的肽段,两个 BiGRU 重排序器补充序列上下文和内部碎片证据。该模型有 310k 参数,训练约需 17 GPU 小时。在 2026 年发表的七个留出数据依赖采集(DDA)数据集(126,262 条标注谱图)上,NovoCRF 的平均肽段召回率为 42.4%,而使用五束搜索的 Casanovo v5 为 39.1%;其氨基酸召回率为 64.0%,对比 53.1%,在 18 个 CPU 线程上达到每秒 1,746 张谱图,是 GPU 上 Casanovo 吞吐量的 55 倍。按碎片证据划分,NovoCRF 在最多有三个肽键而无 b 或 y 离子的标注上领先,Casanovo 仅在此之后才占优。NovoCRF 还能以精确质量搜索它从未训练过的修饰:它在一份狮子骨样本中找到了 32.1% 的羟脯氨酸肽段。

来源:arXiv · arxiv.org