从根本上阐释生命供给重要技能参阅
2024-03-20 13:37:37 来历：量子位
从根本上阐释生命供给重要技能参阅
3 月 20 日，腾讯 AI Lab 实验室 3 篇蛋白质组论文正式当选世界顶级学术期刊，论文分别在数据库、AI 建模、AI 辅佐临床三个视点提出了全新的研讨方案，为人类高效精准剖析蛋白质组数据、了解肿瘤微环境、发现生物学新机制打下坚实基础，并从根本上阐释生命供给重要技能参阅。
科学界曾以为，只要制作出人类基因组序列图，就能了解疾病的根源，但现实并非如此。相同的基因往往有不同的表达，比方，人体不同安排器官的基因组是相同的，可是各个安排器官的蛋白质组不完全相同。中国科学院院士贺福初曾表明，要真实阐释生命，必须从蛋白质组中寻找答案。
现在，人类对蛋白质组的研讨现已进入单细胞级别，但对于单细胞的研讨缺少足够的大规模集成数据库，阻止了研讨人员获取和探究单细胞蛋白质组数据。腾讯 AI Lab 研讨人员在最新的论文中根据 AI 技能，供给了现在全球数据量最大，覆盖技能和数据集最为广泛的单细胞蛋白质数据库，包含 133 个根据抗体的单细胞蛋白质组数据集，涉及超过 3 亿个细胞和超过 800 个符号 / 表面蛋白质，这个数据库将为人类探究蛋白质组学供给详细的数据参阅。
针对单细胞蛋白质组的研讨，另一项重要的技能便是精准检测。精确检测单细胞内部蛋白质组的特征对于疾病筛查具有重要意义，但现在传统的检测技能存在许多坏处，阻止了单细胞蛋白质组数据的精确剖析和运用。针对此，腾讯 AI Lab 在另一篇论文中，借助 AI 建模提出了一种新颖的多功能算法 scPROTEIN，创造性处理了单细胞蛋白组学数据的特殊挑战。这一研讨成果为根据单细胞蛋白质组的肿瘤发生开展机制研讨、药物靶点发现和肿瘤早筛和微环境研讨供给重要的 AI 辅佐效果。
如果说上一篇论文聚集的是单细胞内部，那么在第 3 篇论文中，腾讯 AI Lab 的研讨人员聚集细胞外的安排结构，从更为微观的视点来剖析特定安排中不同细胞类型（比方肿瘤）的份额，然后更为科学的辅佐治疗。为此，腾讯 AI Lab 提出一种全新的反卷积方法，在单细胞数据的情况下，从安排蛋白质组数据中挖掘出特定细胞类型份额这一全新信息，然后获取其中的肿瘤微环境信息，助力肿瘤辅诊和预后剖析。
据了解，腾讯 AI Lab 在 AI for Science 特别是生命科学范畴深耕数年，具有丰富的知识和技能积累，研讨范畴包含单细胞多组学、蛋白质结构设计、蛋白质折叠、AI 制药、空间组学和免疫组库等，已宣布 scBERT 和猕猴大脑图谱等研讨成果。成立于 2016 年的腾讯 AI Lab，以 “学术有影响，工业有产出” 为目标，现已将 AI 能力运用在游戏、内容、虚拟人以及医疗、医药、基因计算等多个场景中。
论文链接：
《SPDB: a comprehensive resource and knowledgebase for proteomic data at the single-cell resolution》 当选生物信息学范畴数据库方面专业期刊 Nucleic Acids Research。
《A Versatile Deep Graph Contrastive Learning Framework for Single-cell Proteomics Embedding》当选 Nature 旗下方法学专业期刊 Nature Methods。
《Deep domain adversarial neural network for the deconvolution of cell type mixtures in tissue proteome profiling》当选 Nature 旗下机器学习专业期刊 Nature Machine Intelligence
版权所有，未经授权不得以任何形式转载及运用，违者必究。
