摘要：从头肽测序作为质谱分析中解析蛋白质结构与功能的关键技术，近年来深度学习模型尤其是Transformer架构的融入，展现出巨大发展潜力。本研究旨在聚焦基于Transformer的多种蛋白质从头肽测序技术，通过在基准数据集上的评测，为该领域的研究提供全面且深入的参考。本研究从众多基于Transformer架构的模型中，选取Casanovo、CasanovoV2、Transformer-DIA、π-HelixNovo、PowerNovo以及π-PrimeNovo，在基准数据集上开展对比实验。从肽测序准确率、运行效率多个维度，对各模型的性能表现差异展开深入剖析，详细分析各模型在处理质谱数据、预测肽序列过程中所采用的不同策略。与传统的肽测序方法相比，Transformer模型的并行处理和全局依赖建模能力为肽测序带来了革新，通过降低复杂度、提高精确度和效率，解决了传统方法中的错误级联问题，为蛋白质组学研究提供了不可或缺的价值。通过对多种基于Transformer 的蛋白质从头肽测序技术在基准数据集上的评测与分析，为读者提供一个全面的视角，明确了这些模型在推动蛋白质组学研究中的重要作用，同时也为后续研究指明了方向。
文章目录
1 基于Transformer架构的从头肽测序模型
1.1 Casanovo
1.2 CasanovoV2
1.3 Transformer-DIA
1.4 π-HelixNovo
1.5 PowerNovo
1.6 π-PrimeNovo
■ 2 基于Transformer架构的从头肽测序模型的联系
3 结束语
