跳到正文
Nature Methods· Sam van Puyenbroeck; Denis Beslic; Tomi Suomi; Tanja Holstein; Thilo Muth; Laura L. Elo; Lennart Martens; Robbin Bouwmeester; Tim Van Den Bossche; Tine Claeys·· 来源仅提供日期AI 评分55

从头肽段测序在解析序列歧义方面的局限

Limitations of de novo peptide sequencing in resolving sequence ambiguity

AI 导读

研究人员在三个公开蛋白质组数据集上基准测试了八种先进的从头肽段测序模型,发现模型表现存在差异,但正确识别结果有相当重叠。迭代优化、重打分和重排序等后处理没有带来提升或仅有有限提升。多数测序错误与具体模型无关,主要由碎片离子覆盖不足导致,在搜索空间较大的数据库搜索中也观察到这一限制。

已发表论文 · journal · 10.1038/s41592-026-03301-9

本站摘要基于收录版本 v1(2026-11-03),原始摘要与 AI 导读固定保留。

IF(5) 52.5 · 2025 · 期刊参考指标

摘要 · AI 翻译

从头肽段测序能够在不依赖序列数据库的情况下,通过碎谱实现肽段鉴定。然而,不完整的谱图会产生歧义,使得明确无误的鉴定变得困难。近期深度学习的进展催生了大量从头测序模型,它们在此类条件下预测序列并优化肽段-谱图匹配。但这些模型各自的优缺点以及处理谱图歧义的能力仍不明确。本文在三个公开的蛋白质组学数据集上对八个最先进的模型进行了基准测试,使用既定指标比较性能,并量化模型间的一致性。我们评估了包括迭代优化、重打分和重排序在内的后处理方法对提高鉴定准确性的能力,并进行了错误分析以识别常见的错误预测及其原因。模型性能各异,正确鉴定结果存在相当大的重叠。后处理未带来改善或仅有适度改善。大多数测序错误与模型无关,主要由有限的碎片离子覆盖度所致,这一局限在大搜索空间的数据库搜索中同样存在。

来源:Nature Methods · doi.org