AI-driven precise proteomics

作者：Guanyang Xu, Liang Qiao · 发表于：Chinese Science Bulletin (Chinese Version) · 年份：2026 · DOI：10.1360/csb-2026-0565 · 研究领域：Advanced Proteomics Techniques and Applications、Machine Learning in Bioinformatics、Cell Image Analysis Techniques

蛋白质组学研究一个生物体系内蛋白的组成、含量、翻译后修饰、亚细胞定位及相互作用等，从系统层面揭示以蛋白为基础的生物体功能变化。近年来，人工智能的发展正在深刻改变蛋白质组学的研究范式。本文系统综述了机器学习与深度学习在该领域的当前主要应用进展：肽段与蛋白的精准鉴定与定量、蛋白质相关的相互作用研究等。进一步地，本文总结了人工智能在单细胞蛋白质组与空间蛋白质组等新兴领域中的应用，讨论其在弱信号识别、缺失值处理和空间重建中的潜力，并概述了其在扰动蛋白质组、多组学融合分析和AI虚拟细胞构建中的拓展价值。总体来看，人工智能正由蛋白质组学数据分析工具，逐步发展为贯穿实验设计、数据采集、质量控制、结果解析与机制推断全过程的核心驱动力。与此同时，该领域仍面临高质量标注数据不足、跨平台泛化能力有限、模型可解释性不足、评测标准不统一及复现性有待提升等挑战。未来，随着“AI友好型”数据生态、可解释模型、多模态融合框架及数字孪生式虚拟细胞的发展，人工智能有望进一步推动蛋白质组学从高通量检测走向对生命系统的精准预测、机制理解与干预指导。