Scholay

学术搜索 · AI 审稿 · LaTeX 协作

Nature Biotechnology：RNovA 用“零样本”肽段测序识别未知蛋白翻译后修饰

顶级刊物论文速递 · 发布 2026-06-24T07:30:00+08:00 · 更新 2026-06-24T07:34:39+08:00

核心结论

滑铁卢大学团队发表 RNovA，用 zero-shot de novo peptide sequencing 在不预设修饰清单、不重新训练模型的情况下识别开放翻译后修饰，指向疾病蛋白变化和生物标志物发现。

滑铁卢大学团队在《Nature Biotechnology》发表 RNovA，目标是解决蛋白质组学里一个长期难题：许多疾病相关蛋白变化来自翻译后修饰，但现有方法常依赖参考数据库、预定义修饰清单或特定训练数据，遇到未预期修饰时容易漏检。RNovA 的卖点是 zero-shot de novo peptide sequencing，能够在不重新训练模型的情况下，从质谱数据中发现开放集合里的修饰信号。

Nature Biotechnology：RNovA 用“零样本”肽段测序识别未知蛋白翻译后修饰
Nature Biotechnology：RNovA 用“零样本”肽段测序识别未知蛋白翻译后修饰（图源：滑铁卢大学新闻稿）

这项工作的重要性在于把 AI 从“提高既有数据库搜索效率”推向“发现未预设的分子变化”。如果模型能更稳健地识别未知或罕见修饰，它可能帮助疾病诊断、生物标志物发现和基础细胞生物学研究，尤其适合癌症、神经退行性疾病、免疫疾病等高度依赖蛋白修饰状态的领域。新闻稿强调，RNovA 也可降低对训练样本和先验修饰列表的依赖。

但这仍是方法学论文，不等于临床检测已经落地。需要关注的验证问题包括：不同质谱平台和样本类型上的泛化能力，开放修饰搜索的假阳性控制，罕见修饰的化学解释是否可靠，以及与现有数据库搜索和 de novo 工具相比的真实工作流成本。更实际的短期价值，是让蛋白质组学团队在探索性研究中少受“已知修饰清单”限制，把候选发现范围打开。

信息来源

可信度说明

来源为 EurekAlert、滑铁卢大学新闻稿和 Nature Biotechnology DOI；论文日期为 2026 年 5 月 19 日，6 月 23 日新闻发布带来二次传播，按顶刊方法学补入。

同主题情报