Casanovo-TMT:基于深度学习的TMTpro标记肽和磷酸化肽从头测序

由 root 提交于 周三, 11/18/2026 - 12:47
摘要

从头肽段测序可直接根据串联质谱谱图读取肽段序列,但目前已发布的深度学习模型均无法测序带有等重标签(如 TMTpro)的肽段,而此类标签广泛用于多重定量蛋白质组学。我们在 Casanovo 的残基词汇表中加入 TMTpro 标签和磷酸化修饰,使用本实验室的 2100 万张质谱图对模型进行微调,其中大多数谱图来自 TMTpro 标记样本;同时,根据候选肽段与实测前体质量的一致性,对束搜索中的候选结果重新排序。所得模型 Casanovo-TMT 在测试集中对 84.7% 的 TMTpro 标记谱图准确预测了完整肽段形式;在其他实验室的两个公开全蛋白质组数据集中,准确率分别为 87.4% 和 79.6%。相比之下,仅扩展词汇表而不进行微调时,准确率为 0.3%。剔除得分最低的预测结果后,精确率提高至 95%,同时保留了 81.7% 的测试谱图。对于一个公开的磷酸肽富集数据集,Casanovo-TMT 对 69.2% 的谱图准确预测了完整肽段形式;对于本实验室三项未用于训练的磷酸化蛋白质组研究中的磷酸肽谱图,准确率为 66% 至 72%。在这些研究中,该模型鉴定出的磷酸肽数量与数据库搜索引擎相当或更多;当数据库搜索鉴定出的磷酸肽较少时,该模型的相对优势更为明显。对于仅由 Casanovo-TMT 鉴定出的磷酸肽,陷阱数据库估计其中超过 90% 为正确结果;另一款独立搜索引擎对其有把握鉴定出的谱图中,有 95% 至 98% 得到了相同的序列判定。因此,Casanovo-TMT 可作为数据库搜索的补充,应用于基于 TMTpro 的定量蛋白质组学,尤其适用于数据库搜索鉴定出的磷酸肽较少的研究。

Casanovo-TMT:基于深度学习的 TMTpro 标记肽和磷酸化肽从头测序 | bioRxiv

跳至主要内容

首页

关于

提交

提醒 / RSS

搜索关键词

高级搜索

最新结果

Casanovo-TMT:基于深度学习的 TMTpro 标记肽和磷酸化肽从头测序

查看 ORCID 个人资料

Han Byeol Kim,

查看 ORCID 个人资料

Kwang-eun Kim

doi:

https://doi.org/10.64898/2026.11.15.766634

Han Byeol Kim

1

延世大学原州医学院细胞器医学研究中心,韩国原州市 26426;

在 Google Scholar 上查找此作者

在 PubMed 上查找此作者

在本站搜索此作者

Han Byeol Kim 的 ORCID 记录

Kwang-eun Kim

2

延世大学原州医学院融合医学系,韩国原州市 26426

在 Google Scholar 上查找此作者

在 PubMed 上查找此作者

在本站搜索此作者

Kwang-eun Kim 的 ORCID 记录

通信请联系:

kekim{at}yonsei.ac.kr

摘要

信息 / 历史

指标

补充材料

PDF 预览

摘要

肽段从头测序可直接从串联质谱中读取肽段序列,但目前已发布的深度学习模型均无法对带有 TMTpro 等同量异位标签的肽段进行测序,而这类标签广泛用于多重定量蛋白质组学。我们在 Casanovo 的残基词汇表中加入了 TMTpro 标签和磷酸化修饰,使用本实验室的 2100 万张质谱图对模型进行微调(其中大多数谱图来自 TMTpro 标记样品),并依据候选序列与实测前体质量的一致程度,对束搜索中的候选结果重新排序。所得模型 Casanovo-TMT 在测试集中对 84.7% 的 TMTpro 标记谱图准确预测了完整肽型;在另外两个公开的、来自其他……的全蛋白质组数据集中,该比例分别为 87.4% 和 79.6%。

不同实验室的结果中,未经微调的扩展词汇表仅达到 0.3%。剔除得分最低的预测后,精确率升至 95%,同时保留了 81.7% 的测试谱图。在一个公开的磷酸肽富集数据集中,Casanovo-TMT 对 69.2% 的谱图准确预测了肽型;在本实验室开展的三项未用于训练的磷酸化蛋白质组学研究中,对 66% 至 72% 的磷酸肽谱图准确预测了肽型。在这些研究中,它鉴定出的磷酸肽数量与数据库搜索引擎相当或更多;当数据库搜索鉴定出的磷酸肽较少时,它鉴定出的数量相对更多。对于仅由 Casanovo-TMT 鉴定出的磷酸肽,诱饵实验估计其中超过 90% 的结果是正确的;另一独立搜索引擎在其有把握鉴定的谱图中,有 95% 至 98% 得出了相同序列。因此,在基于 TMTpro 的定量蛋白质组学研究中,Casanovo-TMT 可作为数据库搜索的补充,尤其适用于数据库搜索鉴定出的磷酸肽较少的研究。

利益冲突声明

作者声明不存在利益冲突。

已声明的资助信息

韩国国家研究基金会

RS-2022-NR072270

RS-2024-00461397

RS-2024-00409403

RS-2024-00440802

KUCRF

RS-2025-15782968

韩国教育部 BK21 FOUR 计划

版权

本预印本的版权所有者为作者/资助方,其已授予 bioRxiv 永久展示本预印本的许可。

本预印本依据 CC-BY 4.0 国际许可协议开放。

返回顶部

上一篇

发表于 2026 年 11 月 17 日。

下载 PDF

补充材料

电子邮件

感谢您有意传播 bioRxiv 上的内容。

注意:我们仅要求提供您的电子邮件地址,以确认您是本文的发送者。

您的电子邮件地址

*

您的姓名

*

发送至

*

请输入多个地址,每个地址占一行,或用逗号分隔。

您即将向以下对象发送邮件

基于深度学习的 TMTpro 标记肽段和磷酸肽从头测序方法:Casanovo-TMT

邮件主题

(您的姓名)通过 bioRxiv 向您转发了一个页面

邮件正文

(您的姓名)认为您会想查看 bioRxiv 网站上的这个页面。

个人留言

验证码

此问题用于测试您是否为真人访客,并防止自动垃圾邮件提交。

分享

基于深度学习的 TMTpro 标记肽段和磷酸肽从头测序方法:Casanovo-TMT

Han Byeol Kim,Kwang-eun Kim

bioRxiv

2026.11.15.766634;

doi:https://doi.org/10.64898/2026.11.15.766634

分享本文:

复制

引文工具

基于深度学习的 TMTpro 标记肽段和磷酸肽从头测序方法:Casanovo-TMT

Han Byeol Kim,Kwang-eun Kim

bioRxiv

2026.11.15.766634;

doi:https://doi.org/10.64898/2026.11.15.766634

引文管理器格式

BibTeX

Bookends

EasyBib

EndNote(tagged)

EndNote 8(xml)

Medlars

Mendeley

Papers

RefWorks Tagged

Ref Manager

RIS

Zotero

推文组件

Facebook 点赞

Google +1

主题领域

生物信息学

主题领域

全部文章

动物行为与认知(8164)

生物化学(19027)

生物工程(15171)

生物信息学(46057)

生物物理学(22958)

癌症生物学(20331)

细胞生物学(27616)

临床试验(138)

发育生物学(14286)

生态学(21620)

流行病学(2067)

进化生物学(26035)

遗传学(16479)

基因组学(24080)

免疫学(19260)

微生物学(43684)

分子生物学(18570)

神经科学(96239)

古生物学(718)

病理学(3077)

药理学与毒理学(5278)

生理学(8377)

植物生物学(16451)

科学传播与教育(2126)

合成生物学

(4697)

系统生物学

(10486)

动物学

(2441)

关键词:从头肽段测序 · 深度学习 · TMTpro标记 · 串联质谱 · 定量蛋白质组学 · 磷酸肽鉴定

原文链接:https://www.biorxiv.org/content/10.64898/2026.11.15.766634v1?rss=1