- 2 次围观
蛋白质组学分析流程旨在回答预先设定的问题，因此，在获得初步结果后出现的分析问题，若没有额外的生物信息学工作，往往难以深入探究。我们提出了数据集询查（data set interrogation）这一对话式框架：研究人员借助大语言模型（LLM）智能体，将不断涌现的问题转化为可执行的检验，利用对照核查答案，并将代码、输入数据和决策记录在带有日期的日志中。我们将该框架回顾性地应用于四个 LC-MS/MS 数据集，发现了一些影响三项内部研究结果解读的问题：搜索数据库缺少两种共生体中的一种；串联质谱标签（TMT）通道对调；非宿主蛋白导致统计结果膨胀；以及将 ¹³C 同位素峰误选为单同位素峰，进而造成错误的脱酰胺化鉴定。对每个数据集都提出同一问题，还揭示三项研究中均存在半胱氨酸烷基化失败或不完全的情况。我们从原始文件出发，在 24 min 内重新分析了一个公开的 TMT 数据集；这一结果仅用于衡量可行性，并未与人工分析进行比较。在两种流程均鉴定出的谱图中，99.2% 的肽段指认与 Proteome Discoverer 的结果一致，蛋白质倍数变化的相关系数为 r = 0.93。在人为植入错误的测试中，专门构建的通道指认检查方法检出了全部 216 例菌株间通道对调，且未将 90 例菌株内通道对调误判为错误。该框架将自然语言交互与可执行分析、明确对照和可追溯决策相结合，使研究人员能够探究原始分析流程未预先考虑的问题。这些结果仅在由一名研究人员开展的有限回顾性研究中证实了该框架的可行性；仍需在不同用户、模型和数据集上进行更广泛的评估，以确定其总体性能。
向数据提问：利用大型语言模型代理对 LC-MS/MS 蛋白质组学数据集进行对话式查询 | bioRxiv
跳转至主要内容
主页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
向数据提问：利用大型语言模型代理对 LC-MS/MS 蛋白质组学数据集进行对话式查询
查看 ORCID 个人资料
Carolaine
da Silva de Araujo
，
查看 ORCID 个人资料
Milan
Keirsebelik
，
查看 ORCID 个人资料
Ana Caroline
Silas Rodrigues
，
查看 ORCID 个人资料
Alessandra
Leda Valverde
，
查看 ORCID 个人资料
Rafael da Silva
Maciel-de-Freitas
，
查看 ORCID 个人资料
Marilia Zaluar P.
Guimaraes
，
查看 ORCID 个人资料
Magno
Junqueira
DOI：
https://doi.org/10.64898/2026.10.22.760949
Carolaine da Silva de Araujo
1
里约热内卢联邦大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Carolaine da Silva de Araujo 的 ORCID 记录
Milan Keirsebelik
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Milan Keirsebelik 的 ORCID 记录
Ana Caroline Silas Rodrigues
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Ana Caroline Silas Rodrigues 的 ORCID 记录
Alessandra Leda Valverde
6
弗鲁米嫩塞联邦大学；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Alessandra Leda Valverde 的 ORCID 记录
Rafael da Silva Maciel-de-Freitas
7
奥斯瓦尔多·克鲁兹研究所，Fiocruz；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Rafael da Silva Maciel-de-Freitas 的 ORCID 记录
Marilia Zaluar P. Guimaraes
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Marilia Zaluar P.】【。
Guimaraes
Magno Junqueira
10
里约热内卢联邦大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本网站搜索此作者
Magno Junqueira 的 ORCID 记录
通讯请联系：
magnojunqueira{at}iq.ufrj.br
摘要
信息/历史
指标
补充材料
PDF 预览
摘要
蛋白质组学工作流程旨在回答预先设定的问题，因此，在获得初步结果后出现的分析问题，若不开展额外的生物信息学工作，往往难以调查。我们提出了“数据集询查”这一对话式框架：研究人员借助大型语言模型（LLM）智能体，将新出现的问题转化为可执行的检验，利用对照核验答案，并将代码、输入和决策按日期记录存档。我们将该框架回溯应用于四个 LC–MS/MS 数据集，发现了会改变三项内部研究结果解读的问题：搜索数据库缺少两个共生体中的一个；一对串联质谱标签（TMT）通道发生互换；非宿主蛋白导致统计结果膨胀；以及由于选择了 ¹³C 同位素峰作为单同位素峰而产生的错误脱酰胺化指认。对每个数据集提出同一个问题，结果发现三个数据集中均存在半胱氨酸烷基化失败或不完全的情况。一个公开的 TMT 数据集从原始文件重新分析仅需 24 分钟；这一结果仅用于衡量可行性，并未与人工分析进行比较。在两种工作流程均鉴定出的谱图中，99.2% 的肽段指认与 Proteome Discoverer 的结果相同，蛋白质倍数变化的相关系数为 r = 0.93。在预设植入错误的测试中，专门构建的通道指派检查检出了全部 216 例菌株间通道互换，且未将 90 例菌株内通道互换误判为错误。该框架将自然语言交互与可执行分析、明确的对照及可追溯的……结合起来。
研究者由此能够探究原始分析流程未曾预见的问题。这些结果在由一名研究者开展的有限回顾性研究中证明了该方法的可行性；仍需在不同用户、模型和数据集上进行更广泛的评估，以确定其整体表现。
利益冲突声明
作者声明不存在利益冲突。
已申报的资助信息
FAPERJ
，E-26/210.840/2025（Pensa Rio）
，E-26/211.348/2021（Temáticos）
CNPQ
，科研生产力奖
CAPES
版权
本预印本的版权归作者／资助方所有；其已授予 bioRxiv 永久展示该预印本的许可。
本内容依据 CC-BY-NC 4.0 国际许可协议公开。
返回顶部
上一篇
下一篇
发布于 2026 年 10 月 27 日。
下载 PDF
补充材料
电子邮件
感谢您有意帮助传播 bioRxiv 上的内容。
注意：系统仅要求您提供电子邮件地址，以确认您是本文的发送者。
您的电子邮件
*
您的姓名
*
发送至
*
请在不同地址之间换行，或用逗号分隔。
您即将发送以下内容
《向数据提问：利用大语言模型智能体对 LC-MS/MS 蛋白质组学数据集进行对话式探究》
邮件主题
（您的姓名）已将 bioRxiv 上的页面转发给您
邮件正文
（您的姓名）认为您可能会对 bioRxiv 网站上的这个页面感兴趣。
您的个人留言
验证码
此问题用于确认您是人类访客，并防止自动垃圾信息提交。
分享
《向数据提问：利用大语言模型智能体对 LC-MS/MS 蛋白质组学数据集进行对话式探究》
Carolaine
da Silva de Araujo
，
Milan
Keirsebelik
，
Ana Caroline
Silas Rodrigues
，
Alessandra
Leda Valverde
，
Rafael da Silva
Maciel-de-Freitas
，
Marilia Zaluar P.
Guimaraes
，
Magno
Junqueira
bioRxiv
2026.10.22.760949；
doi：
https://doi.org/10.64898/2026.10.22.760949
分享本文：
复制
引用工具
利用大型语言模型智能体对 LC-MS/MS 蛋白质组学数据集进行对话式询问
Carolaine
da Silva de Araujo
，
Milan
Keirsebelik
，
Ana Caroline
Silas Rodrigues
，
Alessandra
Leda Valverde
，
Rafael da Silva
Maciel-de-Freitas
，
Marilia Zaluar P.
Guimaraes
，
Magno
Junqueira
bioRxiv
2026.10.22.760949；
doi：
https://doi.org/10.64898/2026.10.22.760949
引文管理器格式
BibTeX
Bookends
EasyBib
EndNote（标记格式）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文小组件
Facebook 点赞
Google +1
学科领域
生物信息学
学科领域
所有文章
动物行为与认知
（8164）
生物化学
（19027）
生物工程
（15171）
生物信息学
（45438）
生物物理学
（22958）
癌症生物学
（20135）
细胞生物学
（27334）
临床试验
（138）
发育生物学
（14165）
生态学
（21415）
流行病学
（2067）
进化生物学
（25827）
遗传学
（16365）
基因组学
（23868）
免疫学
（19055）
微生物学
（43242）
分子生物学
（18367）
神经科学
（95265）
古生物学
（714）
病理学
（3039）
药理学与毒理学
（5211）
生理学
（8294）
植物生物学
（16288）
科学传播与教育
（2116）
合成生物学
（4650）
系统生物学
（10399）
动物学
（2428）
关键词：蛋白质组学 · LC-MS/MS · 大语言模型智能体 · 数据集询查 · 质谱数据分析
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.22.760949v1?rss=1