騰訊AI Lab 3篇蛋白質組論文入選國際頂級期刊
從根本上闡釋生命提供重要技術參考
3月20日，騰訊 AI Lab實驗室3篇蛋白質組論文正式入選國際頂級學術期刊，論文分別在數據庫、AI建模、AI輔助臨床三個角度提出了全新的研究方案，為人類高效精準分析蛋白質組數據、理解腫瘤微環境、發現生物學新機制打下堅實基礎，并從根本上闡釋生命提供重要技術參考。
科學界曾認為，只要繪制出人類基因組序列圖，就能了解疾病的根源，但事實并非如此。相同的基因往往有不同的表達，比如，人體不同組織器官的基因組是一樣的，但是各個組織器官的蛋白質組不完全一樣。中國科學院院士賀福初曾表示，要真正闡釋生命，必須從蛋白質組中尋找答案。
目前，人類對蛋白質組的研究已經進入單細胞級別，但對于單細胞的研究缺乏足夠的大規模集成數據庫，阻礙了研究人員獲取和探索單細胞蛋白質組數據。騰訊 AI Lab研究人員在最新的論文中基于AI技術，提供了目前全球數據量最大，覆蓋技術和數據集最為廣泛的單細胞蛋白質數據庫，包括133個基于抗體的單細胞蛋白質組數據集，涉及超過3億個細胞和超過800個標記/表面蛋白質，這個數據庫將為人類探索蛋白質組學提供詳細的數據參考。
針對單細胞蛋白質組的研究，另一項重要的技術就是精準檢測。準確檢測單細胞內部蛋白質組的特征對于疾病篩查具有重要意義，但目前傳統的檢測技術存在諸多弊端，阻礙了單細胞蛋白質組數據的準確分析和使用。針對此，騰訊AI Lab在另一篇論文中，借助AI建模提出了一種新穎的多功能算法scPROTEIN，創造性解決了單細胞蛋白組學數據的特殊挑戰。這一研究成果為基于單細胞蛋白質組的腫瘤發生發展機制研究、藥物靶點發現和腫瘤早篩和微環境研究提供重要的AI輔助作用。
如果說上一篇論文聚焦的是單細胞內部，那么在第3篇論文中，騰訊AI Lab的研究人員聚焦細胞外的組織結構，從更為宏觀的角度來分析特定組織中不同細胞類型（比如腫瘤）的比例，從而更為科學的輔助治療。為此，騰訊AI Lab提出一種全新的反卷積方法，在單細胞數據的情況下，從組織蛋白質組數據中挖掘出特定細胞類型比例這一全新信息，從而獲取其中的腫瘤微環境信息，助力腫瘤輔診和預后分析。
據了解，騰訊AI Lab在AI for Science特別是生命科學領域深耕數年，具有豐富的知識和技術積累，研究領域包括單細胞多組學、蛋白質結構設計、蛋白質折疊、AI制藥、空間組學和免疫組庫等，已發表scBERT和獼猴大腦圖譜等研究成果。成立于2016年的騰訊AI Lab，以“學術有影響，工業有產出”為目標，已經將AI能力運用在游戲、內容、虛擬人以及醫療、醫藥、基因計算等多個場景中。
論文鏈接：
《SPDB: a comprehensive resource and knowledgebase for proteomic data at the single-cell resolution》 入選生物信息學領域數據庫方面專業期刊Nucleic Acids Research。
《A Versatile Deep Graph Contrastive Learning Framework for Single-cell Proteomics Embedding》入選Nature旗下方法學專業期刊Nature Methods。
《Deep domain adversarial neural network for the deconvolution of cell type mixtures in tissue proteome profiling》入選Nature旗下機器學習專業期刊Nature Machine Intelligence
- 北大開源最強aiXcoder-7B代碼大模型！聚焦真實開發場景，專為企業私有部署設計2024-04-09
- 剛剛，圖靈獎揭曉！史上首位數學和計算機最高獎“雙料王”出現了2024-04-10
- 8.3K Stars!《多模態大語言模型綜述》重大升級2024-04-10
- 谷歌最強大模型免費開放了！長音頻理解功能獨一份，100萬上下文敞開用2024-04-10
相關閱讀
