Nat Mach Intell | 孙士生团队研发糖肽结构图谱预测模型SpecGP

近日，西北大学孙士生教授团队在《自然机器智能》发表研究，针对完整N糖肽结构图谱精准预测的关键技术难题，自主研发了基于Transformer架构的深度学习模型SpecGP。在糖蛋白质组学研究中，准确预测带有糖链精细结构信息的完整糖肽质谱图谱非常困难，主要挑战在于完整糖肽含有复杂分支结构的糖链，且不同糖链结构在不同碰撞能量下呈现不同的碎片离子类别和强度。SpecGP模型通过将完整糖肽表示为包含氨基酸和单糖节点的结构图，并引入可学习的单糖片段表示和归一化碰撞能量输入，实现了多种HCD碰撞能量下糖肽碎裂图谱的高精度预测。研究结果表明，SpecGP在多能量数据中能全面反映糖肽随碰撞能量变化的碎裂趋势，在谱图相似度和保留时间预测方面表现出色。该模型为跨物种糖肽图谱预测、同分异构体识别和糖肽鉴定结果重打分提供了新策略，有望推动糖蛋白质组学高通量解析发展。