Thermo與MSAID合作，創新方法重新定義蛋白質組學研究的資料分析

編輯 | 蘿蔔皮

日前，服務科學領域的全球領導者 Thermo Fisher Scientific 和蛋白質組學人工智慧領域的領導者 MSAID 合作，為蛋白質組學研究人員提供先進的質譜軟體，從而產生市場——透過使用人工智慧 （AI） 和深度學習顯著提高肽識別和定量能力，從獲取的資料中獲得領先的生物學洞察力。

帶有 CHIMERYS by MSAID 的 Thermo Scientific Proteome Discoverer 3。0 軟體利用人工智慧（AI）顯著提高蛋白質組學資料中獨特肽識別的識別率和數量。與通常假設串聯質譜中的所有峰均來自單個肽的現有方法相比，CHIMERYS 確定了可以解釋獲得的串聯質譜的最小肽集。與現有工具相比，這種創新方法使典型蛋白質組學資料集的獨特肽識別數量增加了 1。8 倍，蛋白質識別數量增加了 1。5 倍。除了提高蛋白質覆蓋率和定量能力外，Proteome Discoverer 3。0 軟體與 CHIMERYS 搭配使用還有助於加快資料採集速度，從而提高樣品通量。

Thermo Fisher Scientific 和 MSAID 在賓夕法尼亞州費城賓夕法尼亞會議中心舉行的第 69 屆美國質譜學會（ASMS）質譜和相關主題會議上展示他們的新軟體解決方案。

「以前的技術無法完全解釋使用質譜法生成的資料，因為質譜可能包含來自多個共同分離肽的片段，而這些片段無法使用當前演算法進行識別。」 Thermo Fisher Scientific 的色譜和質譜研發副總裁 August Specht 說，「透過使用 Proteome Discoverer 3。0 軟體和 CHIMERYS，科學家們現在可以利用人工智慧對蛋白質組資料進行更深入的挖掘。這不僅提高了蛋白質組學的覆蓋範圍，而且還擴充套件了蛋白質組學科學家獲取和應用資料的方式。」

MSAID 執行長 Martin Frejno 說：「嵌合光譜是基於質譜的蛋白質組學中的一個長期存在的問題。透過 CHIMERYS，我們使用 AI 從頭開始重新構想串聯質譜的分析來解決它。」

Proteome Discoverer 3。0 軟體版本還包括更新的 INFERYS 預測模型，擴充套件了對串聯質量標記（TMT）、碰撞誘導解離（CID）的支援，併為免疫肽組學提供了改進的結果。透過 Proteome Discoverer 3。0 軟體和 CHIMERYS 的智慧資料分析與 Thermo Scientific Vanquish Neo 超高效液相色譜（UHPLC）系統和 Thermo Scientific Orbitrap 質譜平臺中的領先硬體技術配對，研究人員將有能力繼續突破界限 蛋白質組學研究。

有關 Thermo Scientific Proteome Discoverer 3。0 軟體和 MSAID 的 CHIMERYS 的更多資訊：

www。thermofisher。com/proteomediscoverer

關於 Thermo Fisher Scientific

Thermo Fisher Scientific 官網：

www。thermofisher。com

Thermo Fisher Scientific 是科學服務領域的全球領導者，年收入約為 350 億美元。「我們的使命是讓我們的客戶讓世界更健康、更清潔、更安全。」 無論他們的客戶是在加速生命科學研究、解決複雜的分析挑戰、改進患者診斷和治療還是提高實驗室的生產力，Thermo 都會在這裡為他們提供支援。他們由 90，000 多名員工組成的全球團隊透過行業領先的品牌（包括 Thermo Scientific、Applied Biosystems、Invitrogen、Fisher Scientific、Unity Lab Services 和 Patheon）提供無與倫比的創新技術、購買便利和製藥服務組合。

關於 MSAID

MSAID 官網：

https：//msaid。de/

MSAID GmbH ［m s ed］ 改變了科學家分析蛋白質組學資料的方式。MSAID 是德國慕尼黑工業大學蛋白質組學和生物分析系主任的私人控股資訊學分拆公司。該公司由一個跨學科的科學家團隊創立，其願景是為蛋白質組學領域提供更好的計算解決方案。該團隊成員在蛋白質組學資料的獲取、分析和解釋方面擁有極其出色的業績記錄和長期的專業知識。作為蛋白質組學人工智慧的領導者，他們用強大的、基於人工智慧的解決方案取代當前的演算法，併為更深入、更可靠的蛋白質組學資料查詢方式鋪平道路。

相關報道：

https：//www。biospace。com/article/releases/innovative-approach-redefines-data-analysis-in-proteomics-research/？keywords=AI