跳到正文
Nature Methods· Jun A; Xiang Zhang; Xiaofan Zhang; Jiaqi Wei; Te Zhang; Yamin Deng; Pu Liu; Zongxiang Nie; Yiwen Yu; Yi Chen; Nanqing Dong; Zhiqiang Gao; Siqi Sun; Tiannan Guo·· 来源仅提供日期精选AI 评分75

MassNet 构建十亿级质谱语料并提出 XuanjiNovo 肽段从头测序模型

MassNet: billion-scale AI-ready mass spectral corpus empowering scalable deep learning in proteomics

AI 导读

MassNet 构建了覆盖 35 个物种、含 1.5 billion 条串联质谱的 AI-ready 蛋白质组学语料,并提出 MSDT 数据格式。该语料中约 1.7 million 个肽段前体来自人类样本,MSDT 可转换为 Lightning Memory-Mapped Database 以加速深度学习 I/O。

推荐理由

MassNet 以 1.5 billion 条质谱数据和 MSDT 格式提供可复用语料,读者可了解 AI 蛋白质组学如何从数据基础设施推进到测序模型。

已发表论文 · journal · 10.1038/s41592-026-03247-y

本站摘要基于收录版本 v1(2026-10-26),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

在此我们提出 MassNet,其灵感来源于文本和图像的大规模数据语料库;MassNet 是一个面向人工智能(AI)的质谱(MS)蛋白质组学数据语料库。该语料库包含来自 35 个物种的高质量数据依赖采集(DDA)质谱数据的 15 亿张串联质谱图,其中约 170 万个肽段前体来自人类样本。我们进一步提出一种面向 AI 的 DDA 数据格式,即质谱 DDA 张量(MSDT),用于对来自多个来源的数据进行紧凑且标准化的存储、整理和复用,并可选择性地转换为 Lightning 内存映射数据库,以加速深度学习的输入输出。在 MassNet 的基础上,我们开发了 XuanjiNovo,这是一个利用课程学习策略进行从头肽段测序的非自回归 Transformer 模型。在人类 Astral 数据上,XuanjiNovo 相比最先进方法实现了 38.35%–143.57% 的提升。MassNet 还支持其他下游任务,包括保留时间预测和 PSM 重打分。MassNet 代表了一个基础性的基于质谱的蛋白质组学数据资源,标志着 AI 蛋白质组学研究的一个关键里程碑。

来源:Nature Methods · doi.org