Thermo与MSAID合作，创新方法重新定义蛋白质组学研究的数据分析

日前，服务科学领域的全球领导者 Thermo Fisher Scientific 和蛋白质组学人工智能领域的领导者 MSAID 合作，为蛋白质组学研究人员提供先进的质谱软件，从而产生市场——通过使用人工智能 (AI) 和深度学习显着提高肽识别和定量能力，从获取的数据中获得领先的生物学洞察力。

带有 CHIMERYS by MSAID 的 Thermo Scientific Proteome Discoverer 3.0 软件利用人工智能（AI）显着提高蛋白质组学数据中独特肽识别的识别率和数量。与通常假设串联质谱中的所有峰均来自单个肽的现有方法相比，CHIMERYS 确定了可以解释获得的串联质谱的最小肽集。与现有工具相比，这种创新方法使典型蛋白质组学数据集的独特肽识别数量增加了 1.8 倍，蛋白质识别数量增加了 1.5 倍。除了提高蛋白质覆盖率和定量能力外，Proteome Discoverer 3.0 软件与 CHIMERYS 搭配使用还有助于加快数据采集速度，从而提高样品通量。

Thermo Fisher Scientific 和 MSAID 在宾夕法尼亚州费城宾夕法尼亚会议中心举行的第 69 届美国质谱学会（ASMS）质谱和相关主题会议上展示他们的新软件解决方案。

「以前的技术无法完全解释使用质谱法生成的数据，因为质谱可能包含来自多个共同分离肽的片段，而这些片段无法使用当前算法进行识别。」 Thermo Fisher Scientific 的色谱和质谱研发副总裁 August Specht 说，「通过使用 Proteome Discoverer 3.0 软件和 CHIMERYS，科学家们现在可以利用人工智能对蛋白质组数据进行更深入的挖掘。这不仅提高了蛋白质组学的覆盖范围，而且还扩展了蛋白质组学科学家获取和应用数据的方式。」

MSAID 首席执行官 Martin Frejno 说：「嵌合光谱是基于质谱的蛋白质组学中的一个长期存在的问题。通过 CHIMERYS，我们使用 AI 从头开始重新构想串联质谱的分析来解决它。」

Proteome Discoverer 3.0 软件版本还包括更新的 INFERYS 预测模型，扩展了对串联质量标记（TMT）、碰撞诱导解离（CID）的支持，并为免疫肽组学提供了改进的结果。通过 Proteome Discoverer 3.0 软件和 CHIMERYS 的智能数据分析与 Thermo Scientific Vanquish Neo 超高效液相色谱（UHPLC）系统和 Thermo Scientific Orbitrap 质谱平台中的领先硬件技术配对，研究人员将有能力继续突破界限 蛋白质组学研究。

有关 Thermo Scientific Proteome Discoverer 3.0 软件和 MSAID 的 CHIMERYS 的更多信息：

www.thermofisher.com/proteomediscoverer

关于 Thermo Fisher Scientific

Thermo Fisher Scientific 官网：www.thermofisher.com

Thermo Fisher Scientific 是科学服务领域的全球领导者，年收入约为 350 亿美元。「我们的使命是让我们的客户让世界更健康、更清洁、更安全。」 无论他们的客户是在加速生命科学研究、解决复杂的分析挑战、改进患者诊断和治疗还是提高实验室的生产力，Thermo 都会在这里为他们提供支持。他们由 90,000 多名员工组成的全球团队通过行业领先的品牌（包括 Thermo Scientific、Applied Biosystems、Invitrogen、Fisher Scientific、Unity Lab Services 和 Patheon）提供无与伦比的创新技术、购买便利和制药服务组合。

关于 MSAID

MSAID 官网：https://msaid.de/

MSAID GmbH [ m s e d] 改变了科学家分析蛋白质组学数据的方式。MSAID 是德国慕尼黑工业大学蛋白质组学和生物分析系主任的私人控股信息学分拆公司。该公司由一个跨学科的科学家团队创立，其愿景是为蛋白质组学领域提供更好的计算解决方案。该团队成员在蛋白质组学数据的获取、分析和解释方面拥有极其出色的业绩记录和长期的专业知识。作为蛋白质组学人工智能的领导者，他们用强大的、基于人工智能的解决方案取代当前的算法，并为更深入、更可靠的蛋白质组学数据查询方式铺平道路。

相关报道：

https://www.biospace.com/article/releases/innovative-approach-redefines-data-analysis-in-proteomics-research/?keywords=AI