利用人工智能，慕尼黑工業大學(TUM)的研究人員成功地對來自任何生物體的蛋白質進行了大量分析，并且幾乎沒有錯誤。這種新方法將在蛋白質組學領域引發相當大的變化，因為它可以應用于基礎研究和臨床研究。

任何有機體的基因組都包含數千種蛋白質的藍圖，這些蛋白質幾乎可以控制生命的所有功能。有缺陷的蛋白質會導致嚴重的疾病，如癌癥，糖尿病或癡呆癥。因此，蛋白質也是最重要的藥物靶標。

為了更好地了解生命過程和疾病并開發更合適的療法，有必要同時分析盡可能多的蛋白質。目前，使用質譜法來確定生物系統中蛋白質的類型和數量。但是，目前的數據分析方法繼續產生許多錯誤。

由生物信息學科學家Mathias Wilhelm和生物化學家BernhardKüster領導的慕尼黑工業大學團隊，慕尼黑工業大學蛋白質組學和生物分析學教授，現已成功運用蛋白質組學數據訓練神經網絡。能夠更快地識別蛋白質并且幾乎沒有錯誤。

解決嚴重問題的方法

質譜儀不直接測量蛋白質。他們分析了由氨基酸序列組成的較小部分，最多包含30個構建模塊。將這些鏈的測量光譜與數據庫進行比較，以將它們分配給特定蛋白質。但是，評估軟件只能使用光譜包含的部分信息。因此，某些蛋白質未被識別或被錯誤識別。

“這是一個嚴重的問題，”庫斯特解釋道。由TUM團隊開發的神經網絡使用光譜的所有信息進行識別過程。“我們錯過了更少的蛋白質，減少了100倍的錯誤，”BernhardKüster說。

適用于所有生物

正如研究人員稱之為AI軟件一樣，“Prosit”“適用于世界上所有生物體，即使它們的蛋白質組從未被檢測過，”Mathias Wilhelm解釋道。“這使以前難以想象的研究成為可能。”

在1億個質譜的幫助下，該算法經過了如此廣泛的訓練，可以用于所有常見的質譜儀，無需任何額外的培訓。“我們的系統是該領域的全球領導者，”Küster說。

一個價值數十億的市場

診所，生物技術公司，制藥公司和研究機構正在使用這種高性能設備 - 市場已經價值數十億美元。有了Prosit，將來有可能開發出更強大的儀器。研究人員和醫生在尋找患者血液或尿液中的生物標志物或監測療法的有效性方面也會更好，更快。

研究人員對基礎研究寄予厚望。“該方法可用于追蹤細胞中新的調節機制，”Küster說。“我們希望在這里獲得相當多的知識，從中期和長期來看，這些知識將反映在對人類，動物和植物所遭受的疾病的治療中。”

Wilhelm還預計“像Prosit這樣的AI方法將很快改變蛋白質組學領域，因為它們幾乎可用于蛋白質研究的每個領域。”