Nat Communi | 从算法竞赛到实验与计算协同创新：DiNovo通过联用镜像酶和深度学习技术实现高可信高覆盖的肽段从头测序

近年来，肽段从头测序成为蛋白质组学领域AI研究的热点，但面临序列覆盖率和可靠性不足的瓶颈。中国科学院与山东理工大学的研究团队在Nature Communications上发表论文，提出DiNovo系统，通过镜像蛋白酶策略与深度学习协同优化，突破传统单谱图信息缺失的限制。研究背景是现有方法依赖复杂模型从单张谱图推测缺失信息，导致错误率高。研究目的是设计实验与计算协同的框架，提升测序覆盖率和可信度。结论表明，DiNovo通过MirrorFinder自动识别镜像谱图、MirrorNovo首次联合双谱图测序，以及Target-Decoy Mapping实现独立质量控制，显著提高碎片离子覆盖率和鉴定数量。在数据集上，高可信氨基酸覆盖率提升154%-195%，蛋白质鉴定数量提升29%-34%。该研究为肽段从头测序提供了新范式，但仍有优化空间，如计算效率和训练数据扩展。