深度学习方法在生物质谱及蛋白质组学中的应用  

Application of Deep Learning in Biological Mass Spectrometry and Proteomics

作　　者：赵新元[1] 秦伟捷[2] 钱小红[2] ZHAO Xin-Yuan;QIN Wei-Jie;QIAN Xiao-Hong(College of Life Science and Bioengineering, Beijing University of Technology, Beijing 100124, China;National Center for Protein Sciences Beijing, State Key Laboratory of Proteomics, Beijing Proteome Research Center, Beijing Institute of Lifeomics, Beijing 102206, China)

机构地区：[1]北京工业大学生命科学与生物工程学院,北京100022 [2]蛋白质组学国家重点实验室,北京蛋白质组研究中心,国家蛋白质科学中心(北京),军事医学研究院生命组学研究所,北京102206

出　　处：《生物化学与生物物理进展》2018年第12期1214-1223,共10页Progress In Biochemistry and Biophysics

基　　金：国家重点研发计划(2016YFA0501403,2017YFC0906703),国家自然科学基金(21675172);蛋白质组学国家重点实验室自主课题(SKLP-K201706)资助项目.

摘　　要：深度学习是近年来机器学习领域最热门的研究方向,尤其是在图像及语音识别、自然语言处理、自动驾驶等方面取得了突破性进展.生物质谱是当今生命科学领域重要的研究工具,尤其在蛋白质组学、代谢组学、生物制药等领域发挥着关键作用.近年来,基于深度学习方法的发展,以生物质谱为核心的蛋白质组学大数据分析将迎来发展新契机.本文综述了深度学习方法在生物质谱数据解析及蛋白质组学研究方面的最新应用.Deep learning is the most popular research area in the field of machine learning in recent years,especially in image and speech recognition,natural language processing,and automatic driving.Biological mass spectrometry is an important research tool in the field of life sciences and plays a key role in proteomics,metabolomics,and biopharmaceuticals.In recent years,based on the development of deep learning methods,the big data analysis in proteomics centered on biological mass spectrometry will usher into a new era.This article reviews the latest applications of deep learning methods in the analysis of biological mass spectrometry data and proteomics research.

关 键 词：深度学习 生物质谱 蛋白质组学 大数据 

分 类 号：Q51[生物学—生物化学] TP39[自动化与计算机技术—计算机应用技术]