uprinmatusИзвестия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроениеProceedings of the Southwest State University. Series: IT Management, Computer Science, Computer Engineering. Medical Equipment Engineering2223-1536Юго-Западный государственный университет10.21869/2223-1536-2025-15-3-122-141uprinmatus-353Research ArticleСИСТЕМНЫЙ АНАЛИЗ И ПРИНЯТИЕ РЕШЕНИЙSYSTEM ANALYSIS AND DECISION-MAKINGОценка точности методов контроля частоты ложных срабатываний при аннотации спектра de novoEvaluation of the accuracy of false alarm frequency control methods for de novo spectrumhttps://orcid.org/0009-0005-5597-5037ТевяшовМ. М.TevyashovM. M.

Тевяшов Михаил Михайлович, младший научный сотрудник

наб. канала Грибоедова, д. 30-32, г. Санкт-Петербург 191023

Mikhail M. Teviashov, Research Assistant

30-32 Griboedov canal Emb., St. Petersburg 191023

tukaramm@yandex.ruСанкт-Петербургский государственный экономический университетРоссияSaint Petersburg State University of EconomicsRussian Federation202522112025153122141Copyright © Тевяшов М.М., 20252025Тевяшов М.М.Tevyashov M.M.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://uprinmatus.elpub.ru/jour/article/view/353

Цель – сравнение подходов на основе машинного обучения (deep learning) и классических методов по качеству аннотации масс-спектров в условиях больших данных, а также выявление оптимального сценария их интеграции.

Методы

Методы. Исследование базируется на использовании набора данных PXD004452, содержащего 2,5 млн уникальных пептидов.

Разработана схема взаимодействия на основе Python/TensorFlow/PyTorch, который обеспечивает параллельную обработку пептидных спектров на GPU-кластере. Использованы следующие этапы: фильтрация топ‑150 пиков по интенсивности; генерация теоретических B-/Y-ионов с учетом модификаций; предсказание пептидов (PepNet – сверточная+рекуррентная сеть; Tide-search – индексная перехеширующая стратегия). Метрики: количества совпадений, дельта-масса, расстояние Левенштейна, ROC‑кривые, распределение ошибок.

Результаты

Результаты. PepNet требует значительных вычислительных ресурсов, при этом качество предсказаний уступает Tide-search, особенно на длинных пептидах и модификациях (~среднее совпадение: 4,2 пика vs 9,7; p < 0,001). Однако PepNet лучше показывает себя при тех спектрах, где в database search отсутствуют релевантные последовательности, демонстрируя важную способность выявлять novel‑пептиды. Распределение расстояния Левенштейна: ~30% – полное совпадение (0); ~52% – небольшое отклонение (1–5); остальное – значительные расхождения (>5).

Заключение

Заключение. Метод deep learning (PepNet) демонстрирует перспективы, но без интеграции с database search уступает по точности.

Предлагается гибридная архитектура: pep‑tagging через PepNet, затем уточнение и верификация через database search. Такой конвейер на больших данных позволит сочетать открытие новых пептидов (de novo) и высокую достоверность идентификации (database search).

The purpose of the research is comparison of machine learning-based approaches (deep learning) and classical methods for mass spectrum annotation in big data conditions, as well as identification of the optimal scenario for their integration.

Methods

Methods. The study is based on the PXD004452 dataset containing 2,5 million unique peptides. An interaction scheme based on Python/TensorFlow/PyTorch has been developed, which provides parallel processing of peptide spectra on a GPU cluster. The following steps were used: filtering of the top 150 peaks by intensity; generation of theoretical B-/Y-ions, taking into account modifications; prediction of peptides (PepNet – convolutional+recurrent network; Tidesearch – index-shifting strategy). Metrics: number of matches, delta mass, Levenshtein distance, ROC curves, error distribution.

Results

Results. PepNet requires significant computational resources, while the prediction quality is inferior to Tide-search, especially for long peptides and modifications (~average match: 4,2 pi vs 9,7; p < 0,001). However, PepNet performs better in those spectra where relevant sequences are missing in the database search, demonstrating an important ability to identify novel peptides. Levenshtein distance distribution: ~30% is a complete match (0); ~52% is a small deviation (1-5); the rest is significant discrepancies (>5).

Conclusions

Conclusions. The deep learning (PepNet) method shows promise, but without integration with database search, it is inferior in accuracy. A hybrid architecture is proposed: pep-tagging via PepNet, followed by refinement and verification via database search. Such a big data pipeline will combine the discovery of new peptides (de novo) and high identification reliability (database search).

машинное обучениемасс-спектрометриярасстояние Левенштайнаспектрыmachine learningmass spectrometryLevenstein distancespectraВыражаем благодарность заведующему научно-учебной лабораторией искусственного интеллекта для вычислительной биологии НИУ ВШЭ доктору наук Кертес-Фаркаш Аттила за формирование методологии исследования и предоставление данных для статьи.We would like to thank Dr. Kertes-Farkash Attila, Head of the HSE Scientific and Educational Laboratory of Artificial Intelligence for Computational Biology, for developing the research methodology and providing data for the article.ReferencesDe novo: определение, применение, значение. URL: https://www.cd-genomics.com/blog/de-novo-definition-applications-meaning/ (дата обращения: 15.06.2025).De novo: definition, application, meaning. (In Russ.) Available at: https://www.cd-genomics.com/ blog/de-novo-definition-applications-meaning/ (accessed 15.06.2025).Acquaye F. L., Kertesz-Farkas A., Noble W. S. Эффективное индексирование пептидов для поиска в базе данных с использованием Tide // Journal of Proteome Research. 2023. Vol. 22, N 2. P. 577–584.Acquaye F.L., Kertesz-Farkas A., Noble W.S. Efficient indexing of peptides for database search using Tide. Journal of Proteome Research. 2023;22(2):577–584. (In Russ.)Секвенирование белков de novo: приложения, проблемы и достижения. URL: https://www.creative-proteomics.com/resource/protein-de-novo-sequencing-applicationschallenges-advances.htm (дата обращения: 11.06.2025).De novo protein sequencing: applications, problems and achievements. (In Russ.) Available at: https://www.creative-proteomics.com/resource/protein-de-novo-sequencing-applications-challenges-advances.htm (accessed 11.06.2025).Ng C. C. A., Zhou Y., Yao Z. P. Algorithms for de novo sequencing of peptides by tandem mass spectrometry: A review // Analytica Chimica Acta. 2023. N 1268. P. 341330.Ng C.C.A., Zhou Y., Yao Z.P. Algorithms for de novo sequencing of peptides by tandem mass spectrometry: A review. Analytica Chimica Acta. 2023;(1268):341330. (In Russ.)Секвенирование белков de novo: приложения, проблемы и достижения. URL: https://www.creative-proteomics.com/resource/protein-de-novo-sequencing-applicationschallenges-advances.htm (дата обращения: 13.06.2025).De novo protein sequencing: applications, challenges, and achievements. (In Russ.) Available at: https://www.creative-proteomics.com/resource/protein-de-novo-sequencing-applications-challenges-advances.htm (accessed 13.06.2025).Accurate de novo peptide sequencing using fully convolutional neural networks / Kaiyuan Liu, Yuzhen Ye, Sujun Li, Haixu Tang // Nature Communications. 2023. N 14. P. 7974.Kaiyuan Liu, Yuzhen Ye, Sujun Li, Haixu Tang. Accurate de novo peptide se-quencing using fully convolutional neural networks. Nature Communications. 2023;(14):7974. (In Russ.)Основные термины фрагментации: B ионы и Y ионы в масс спектрометрии пептидов. URL: https://www.mtoz-biolabs.com/how-are-the-b-ions-and-y-ions-defined-in-massspectrometry.html (дата обращения: 15.06.2025).Basic fragmentation terms: B-ions and Y-ions in peptide mass spectrometry. (In Russ.) Available at: https://www.mtoz-biolabs.com/how-are-the-b-ions-and-y-ions-defined-in-massspectrometry.html (accessed 15.06.2025).Расстояние Левенштейна. URL: https://en.wikipedia.org/wiki/Levenshtein_distance (дата обращения: 15.06.2025).Levenshtein distance. (In Russ.) Available at: https://en.wikipedia.org/wiki/Levenshtein_distance (accessed 15.06.2025).Integrating Database Search and de Novo Sequencing for Immunopeptidomics with DIA Approach / P. Shan, H. Tran [et al.]. URL: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6936894/ (дата обращения: 15.06.2025).Shan P., Tran H., et al. Integrating Database Search and de Novo Sequencing for Immunopeptidomics with DIA Approach. Available at: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6936894/ (accessed 15.06.2025).Ebrahimi S., Guo X. Transformer based de novo peptide sequencing for data independent acquisition mass spectrometry (DiaTrans) // 2023 IEEE 23rd International Conference on Bioinformatics and Bioengineering (BIBE). P. 17–22. URL: https://arxiv.org/abs/2402.11363 (дата обращения: 22.06.2025).Ebrahimi S., Guo X. Transformer based de novo peptide sequencing for data independent acquisition mass spectrometry (DiaTrans). In: 2023 IEEE 23rd International Conference on Bioinformatics and Bioengineering (BIBE). P. 17–22. Available at: https://arxiv.org/abs/2402.11363 (accessed 22.06.2025).Bioinformatics Methods for Mass Spectrometry Based Proteomics Data Analysis / Chen Chen, Jie Hou, John J. Tanner, Jianlin Cheng // Int. J. Mol. Sci. 2020. N 21(8). P. 2873. https://doi.org/10.3390/ijms21082873Chen Chen, Jie Hou, John J. Tanner, Jianlin Cheng. Bioinformatics Methods for Mass Spectrometry Based Proteomics Data Analysis. Int. J. Mol. Sci. 2020;(21):2873. https://doi.org/10.3390/ijms21082873DePS: An improved deep learning model for de novo peptide sequencing / C. Ge [et al.]. URL: https://arxiv.org/abs/2203.08820 (дата обращения: 22.06.2025).Ge C., et al. DePS: An improved deep learning model for de novo peptide sequencing. Available at: https://arxiv.org/abs/2203.08820 (accessed 22.06.2025).PowerNovo: de novo peptide sequencing via tandem mass spectrometry using an ensemble of transformer and BERT models / D. V. Petrovskiy [et al.] // Sci. Rep. 2024. N 14. P. 15000.Petrovskiy D. V., et al. PowerNovo: de novo peptide sequencing via tandem mass spectrometry using an ensemble of transformer and BERT models. Sci. Rep. 2024;(14):15000.Latent Imputation before Prediction: A New Computational Paradigm for De Novo Peptide Sequencing (LIPNovo) / Y. Du [et al.]. URL: https://arxiv.org/html/2505.17524v1 (дата обращения: 22.06.2025).Du Y., et al. Latent Imputation before Prediction: A New Computational Paradigm for De Novo Peptide Sequencing (LIPNovo). Available at: https://arxiv.org/html/2505.17524v1 (accessed 22.06.2025).π PrimeNovo: an accurate and efficient non autoregressive deep learning model for de novo peptide sequencing / X. Zhang [et al.] // Nat. Commun. 2025. N 16. P. 267.Zhang X., et al. π PrimeNovo: an accurate and efficient non autoregressive deep learning model for de novo peptide sequencing. Nat. Commun. 2025;(16):267.Peptide-Spectra Matching from Weak Supervision / S. S. Schoenholz, S. Hackett, L. Deming [et al.]. URL: https://arxiv.org/abs/1808.06576. (дата обращения: 12.06.2025).Schoenholz S.S., Hackett S., Deming L., et al. Peptide-Spectra Matching from Weak Supervision. Available at: https://arxiv.org/abs/1808.06576. (accessed 12.06.2025).Complementary methods for de novo monoclonal antibody sequencing to achieve complete sequence coverage / J. Cheng [et al.] // J. Proteome. Res. 2020. N 19(7). P. 2700– 2707.Cheng J., et al. Complementary methods for de novo monoclonal antibody sequencing to achieve complete sequence coverage. J. Proteome. Res. 2020;19(7):2700–2707.De novo peptide sequencing by deep learning / N. H. Tran [et al.] // Proceedings of the National Academy of Sciences (PNAS). 2017. Vol. 114, N 31. P. 8247–8252. https://doi.org/10.1073/pnas.1705691114Tran N.H., et al. De novo peptide sequencing by deep learning. Proceedings of the National Academy of Sciences (PNAS). 2017;114(31):8247–8252. https://doi.org/10.1073/pnas.1705691114DPST: De Novo Peptide Sequencing with Amino Acid Aware Transformers / Y. Yang [et al.]. URL: https://arxiv.org/abs/2203.13132 (дата обращения: 22.06.2025).Yang Y., et al. DPST: De Novo Peptide Sequencing with Amino Acid Aware Transformers. Available at: https://arxiv.org/abs/2203.13132 (accessed 22.06.2025).

The authors declare that there are no conflicts of interest present.