AI 蛋白质组学 | OmicSolution

Capability map

先识别 AI 介入的是哪一层

不同模型面对的输入、输出和误差并不相同。谱图预测服务于候选匹配，异常检测服务于样本与批次 QC，结构模型服务于假设生成，语言模型服务于知识检索和结果组织。

模型性能必须在与实际样本、仪器、梯度和任务一致的数据上验证。公开 benchmark 的领先结果不能直接替代项目内验证。

信号预测

从肽段序列预测碎片离子强度、保留时间、离子淌度或可检出性，缩小候选验证成本。

候选打分

结合实验谱图、预测谱图、RT 和 CCS 特征提高 target/decoy 分离，但最终仍需受控 FDR。

异常与漂移

识别色谱漂移、喷雾不稳、污染、批次异常和样本离群，帮助决定是否放行。

缺失与表示学习

学习样本或蛋白的低维表示、进行 feature ranking；插补结果不可冒充真实测量。

结构预测

预测蛋白结构与置信度，辅助解释突变、结合界面和结构响应，但不是直接结合证据。

知识组织

连接 UniProt、通路、疾病和文献证据，生成可追踪的候选清单；每条结论必须回到来源。

Search and quantification

预测特征增强搜库，不改变候选空间来源

谱图、RT 和 CCS 预测把序列候选转换为可与实验信号比较的特征。数据库、酶切、修饰和 decoy 决定搜索空间；模型负责排序或过滤，二者职责不能混淆。

模型训练集若包含测试肽段、近重复序列或同批次实验，可能产生数据泄漏。项目评估应按蛋白、物种或批次划分独立测试集。

候选序列

从 Proteome FASTA 理论酶切，定义修饰、电荷和漏切。

特征预测

生成碎片强度、RT、CCS 或可检出性。

实验匹配

提取峰组并比较质量、共洗脱、离子强度与预测特征。

分数校准

结合 target/decoy、q-value 与层级 FDR 控制错误发现。

定量复核

检查干扰、线性、缺失、CV 和跨批次稳定性。

Orbitrap Astral 质谱平台结构 — AI 处理的是仪器产生的可观测信号。采集速度、动态范围、色谱峰宽和离子统计决定模型能够利用的信息上限。

适合增强

预测谱库、directDIA 候选打分、RT 校准、离子淌度过滤和干扰识别。

不能替代

错误物种 FASTA、缺失真实蛋白序列、不合理搜索参数和失控的多重检验。

结果指标

除识别数外，还要比较肽段级校准、已知比例准确性、CV、完整性和独立验证通过率。

Proteome 与 FASTA 技术 FDR 与 q-value DIA / LFQ

Quality control

AI-QC 的输出应是可复核的风险证据

异常分数本身不是结论。可用的 QC 系统需要指出异常来自哪类指标、与哪个参考分布比较、是否影响定性或定量，并保留人工复核入口。

插补、批次校正和异常剔除都会改变数据。必须同时保存原始值、处理后值、参数和被影响的样本或蛋白清单。

采集层TIC/BPC、峰宽、RT、喷雾稳定性、MS1/MS2 强度。

鉴定层PSM、肽段、蛋白、decoy、质量误差和匹配率。

定量层CV、缺失结构、比值准确性、动态范围与批次漂移。

生物层重复聚类、已知标志、组织特征与实验条件一致性。

任务	模型可以做什么	必须保留的人工判断
离群样本识别	整合多指标给出风险排序和相似样本。	区分技术异常与真实生物异质性。
批次监控	检测时间漂移、设备状态改变和分布偏移。	判断是否重跑、校正或分批报告。
缺失值处理	估计缺失机制并给出插补候选。	避免把 MNAR 当作随机缺失，报告插补影响。
自动解释	把指标转为可读摘要和待复核清单。	确认阈值、证据和最终放行结论。

Structure and knowledge

结构模型与知识模型负责生成可检验假设

结构预测可定位保守区域、结构域和潜在界面；知识模型可汇总条目、通路和文献。两者最适合帮助确定下一步验证，而不是把预测概率写成直接实验事实。

结构置信度、无序区、多聚体状态、配体环境和翻译后修饰都会影响解释。单体静态结构不能自动代表细胞内真实构象。

UniProt 蛋白条目、Proteome、UniRef、UniParc 与 Taxonomy 数据关系 — 语言模型或知识图谱需要稳定标识符连接数据库。accession、Taxon ID、Proteome ID 与来源链接比自然语言名称更适合长期复核。

结构解释

把差异肽段、LiP 切割位点、突变或 PTM 位点映射到结构区域，寻找需要验证的机制线索。

知识检索

用 accession 和 gene 锁定对象，再聚合 UniProt、通路、疾病和文献证据，避免同名歧义。

实验回接

候选最终回到 PRM、免疫学、突变、竞争、剂量响应或功能实验验证。

查看本地 P04637 条目药靶化学蛋白质组学

Validation boundary

模型上线前需要回答五个问题

模型名称和总体准确率不足以判断能否用于真实项目。数据来源、划分方式、校准、失败模式和版本漂移都要进入放行标准。

涉及临床判断、样本剔除或生物学结论时，AI 输出只能作为辅助证据，最终决定需要由可追溯规则和专业人员完成。

训练数据

物种、仪器、梯度、样本类型和标签来源是否匹配。

独立测试

是否按蛋白、项目或批次隔离，避免近重复泄漏。

概率校准

模型分数能否对应实际错误率和风险等级。

失败模式

低丰度、未见物种、新仪器和极端批次时如何退化。

持续监控

记录模型、数据、参数版本和分布漂移。

可接受表述	不可直接得出的结论	补充证据
模型提高了候选区分度。	新增候选全部是真实鉴定。	target/decoy、合成肽或独立数据验证。
异常分数提示样本偏离参考分布。	该样本应自动删除。	原始信号、批次记录和生物学背景。
结构预测支持潜在界面假设。	蛋白已被证明直接结合。	竞争、占靶、突变或生物物理实验。
语言模型汇总了相关证据。	生成摘要可替代来源核验。	稳定数据库标识符、原始论文和日期。