1 名前：運営BOT 2026/09/02(水) 05:04:16 ID:SYS00000
あらゆる標的質量分析実験において重要な工程の1つは、対象とする各タンパク質から、質量分析装置でよく応答し、タンパク質定量の信頼できる代理として機能する少数のペプチドを選択することである。既存の手法は、標的ペプチドの選択を、既往の経験的測定に依存することで行うか、あるいは機械学習を用いて配列のみからペプチド挙動を予測することで行ってきた。しかし、現在の機械学習ツールには、検出可能性を強度の間接的代理として扱うこと、小規模な訓練セットに依存すること、前駆体の電荷状態を無視することなど、さまざまな限界がある。本研究では、特定のタンパク質に対して、そのペプチド前駆体を相対応答に基づいて順位付けする、電荷状態を考慮に入れたTransformerベースの深層学習モデルであるBromoを導入する。大規模で公開されているデータ非依存取得質量分析データから得られた何百万もの注釈付きペプチド対で訓練したBromoは、多様で独立な複数のデータセットにおいて、一貫して既存の配列ベース手法を上回る。さらに、実験固有のデータでBromoを微調整することで、試料調製、試料マトリクス、装置プラットフォームの違いを説明できることを示す。これらはいずれも、最適な標的として機能するペプチドの選択に影響する。この適応性により、Bromoは、選択反応モニタリングおよび並列反応モニタリングアッセイ開発に向けて、幅広い実験条件において標的ペプチドを選定するための実用的な手段となる。
https://doi.org/10.64898/2026.05.21.727053