OmniNovo：用于测序修改蛋白质组成的准确 de novo 方法
定量方法
2025-12-16 v1 人工智能
摘要
后翻译修饰（PTMs）作为动态化学语言调控蛋白质功能，但当前蛋白质组学方法仍对修改蛋白质组成的广大部分“盲区”。标准数据库搜索算法因搜索空间的组合爆炸，限制了对未表征或复杂修饰的识别。本文我们引入 OmniNovo，一个统一的深度学习框架，用于从串联质谱谱图中对未修改和修改肽段进行 reference-free 测序。不同于受限于特定修饰类型的现有工具，OmniNovo 学习通用的断裂规则，以单一一致模型解码多样化的 PTM。通过整合质量约束解码算法和严格的假发现率估计，OmniNovo 实现了业界最高的准确率，在 1% 假发现率下识别的肽段数量比标准方法多出 51%。关键的是，该模型对在训练期间未见的生物学位点具有泛化能力，照亮了蛋白质组的黑暗物质，使细胞调控的无偏 comprehensive 分析成为可能。
关键词
引用
@article{arxiv.2512.12272,
title = {Accurate de novo sequencing of the modified proteome with OmniNovo},
author = {Yuhan Chen and Shang Qu and Zhiqiang Gao and Yuejin Yang and Xiang Zhang and Sheng Xu and Xinjie Mao and Liujia Qian and Jiaqi Wei and Zijie Qiu and Chenyu You and Lei Bai and Ning Ding and Tiannan Guo and Bowen Zhou and Siqi Sun},
journal= {arXiv preprint arXiv:2512.12272},
year = {2025}
}