Facebook的十亿级搜索算法被重新利用于高效导航蛋白质组数据
Facebook的十亿级搜索算法在高效导航蛋白质组数据中的重新应用
一篇新论文介绍了Spectroscape，一种新的方法和基于Web的工具，旨在解决蛋白质组学数据管理和探索中的挑战。现代蛋白质组学的质谱实验产生了大量的数据，这些数据通常存储在与个别出版物或项目相关的存储库中，很难找到、浏览、共享和重复使用。新兴的范式是通过光谱相似性在光谱存档中组织数据，但是维护和使用大型光谱存档在计算上具有挑战性，并且对典型的蛋白质组学研究人员来说不容易访问。Spectroscape通过基于Facebook的Fast AI Search软件包开发的算法的索引方案，能够实现光谱存档的实时查询和可视化。在训练过程中，Spectroscape将光谱分组在由近似光谱相似性定义的高维空间中，这使用户可以通过光谱相似性搜索整个数据存储库并立即获得结果。论文中展示的Spectroscape的应用包括能够分析相似光谱的聚类、通过关联鉴定光谱、纠正鉴定中的错误、检测异常值、在数据集之间进行交叉引用，并通过检查聚类来发现新的生物学信息，例如通过识别新的翻译后修饰和序列变体。该方法的召回率非常高，速度非常快，科学家可以免费享受到这些功能。
蛋白质组学是研究蛋白质及其功能的学科，产生了大量的数据，高效地管理这些数据对科学发现至关重要。在一项开创性的研究中，一支研究团队引入了Spectroscape，这是一种可以彻底改变我们探索和分析蛋白质组学数据的工具。这种新的方法和在线平台可以实现光谱存档的实时查询和可视化，为该领域的研究人员提供了一个宝贵的资源，用于纠正错误和发现新的内容。
在蛋白质组学中，光谱存档是肽段串联质谱的存储库，对于识别蛋白质和检测翻译后修饰或氨基酸替换至关重要。然而，…
