bioRxiv· Khan, S.; Klaproth-Andrade, D.; Bruns, Y.; Wilhelm, M.; Gagneur, J.·· 来源仅提供日期AI 评分50
PepPr:结合肽先验的从头肽测序
PepPr: De Novo peptide sequencing with peptide priors
AI 导读
PepPr 将拟合参考蛋白质组的语言模型作为肽先验,与从头肽测序(DNPS)结合,提升参考肽段识别,并改善而非抑制变异肽段识别。以相关蛋白质组为先验时,它匹配或超过同源驱动数据库搜索,且相对无先验 DNPS 的提升随亲缘关系增强。在抗体测序中,它改善了跨可变区-恒定区边界肽段回收、脱酰胺判定和组装,并保留高变区召回。
预印本 · biorxiv · 10.64898/2026.10.27.762126
本站摘要基于收录版本 v1(2026-10-28),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
基于质谱的肽段测序是蛋白质组学的基石。数据库搜索局限于预设候选序列,而从头肽段测序(DNPS)则受困于不完整的谱图。现有的混合方法仅将数据库用于事后校正,或检索已鉴定的谱图来指导解码。我们则将DNPS与肽段先验相结合:一个在参考蛋白质组上训练的语言模型,能够容忍变异,但对差异极大的序列则缺乏把握。相较于无先验的DNPS,我们的实现PepPr提升了参考肽段的鉴定率,并且促进而非抑制了变异的鉴定。以相关蛋白质组作为先验时,其表现达到或超越了基于同源性的数据库搜索,且其相对于无先验DNPS的增益随相关性的增强而增大。在抗体测序中,它改善了跨越可变区-恒定区边界的肽段的回收、脱酰胺化位点的判定以及组装,同时保留了对数据库搜索无法触及的高变区的召回率。因此,肽段先验在不限制发现能力的前提下,将参考知识引入了DNPS。
来源:bioRxiv · biorxiv.org