利用人工智能，慕尼黑工业大学(TUM)的研究人员成功地对来自任何生物体的蛋白质进行了大量分析，并且几乎没有错误。这种新方法将在蛋白质组学领域引起相当大的变化，因为它可以应用于基础研究和临床研究。

任何有机体的基因组都包含数千种蛋白质的蓝图，这些蛋白质几乎可以控制生命的所有功能。有缺陷的蛋白质会导致严重的疾病，如癌症，糖尿病或痴呆症。因此，蛋白质也是最重要的药物靶标。

为了更好地了解生命过程和疾病并开发更合适的疗法，有必要同时分析尽可能多的蛋白质。目前，使用质谱法来确定生物系统中蛋白质的类型和数量。但是，目前的数据分析方法继续产生许多错误。

由生物信息学科学家Mathias Wilhelm和生物化学家BernhardKüster领导的慕尼黑工业大学团队，慕尼黑工业大学蛋白质组学和生物分析学教授，现已成功运用蛋白质组学数据训练神经网络。能够更快地识别蛋白质并且几乎没有错误。

解决严重问题的方法

质谱仪不直接测量蛋白质。他们分析了由氨基酸序列组成的较小部分，最多包含30个构建模块。将这些链的测量光谱与数据库进行比较，以将它们分配给特定蛋白质。但是，评估软件只能使用光谱包含的部分信息。因此，某些蛋白质未被识别或被错误识别。

“这是一个严重的问题，”库斯特解释道。由TUM团队开发的神经网络使用光谱的所有信息进行识别过程。“我们错过了更少的蛋白质，减少了100倍的错误，”BernhardKüster说。

适用于所有生物

在1亿个质谱的帮助下，该算法经过了如此广泛的训练，可以用于所有常见的质谱仪，无需任何额外的培训。“我们的系统是该领域的全球领导者，”Küster说。正如研究人员称之为AI软件一样，“Prosit”“适用于世界上所有生物体，即使它们之前从未检测过它们的蛋白质组，”Mathias Wilhelm解释道。“这使以前难以想象的研究成为可能。”

一个价值数十亿的市场

诊所，生物技术公司，制药公司和研究机构正在使用这种高性能设备;市场已经价值数十亿美元。有了“Prosit”，将来有可能开发出更强大的乐器。研究人员和医生也将能够更好，更快地搜索患者血液或尿液中的生物标记物，或监测疗法的有效性。