乔治·沃尔曼(Georg Wallman)，Aplusia公司的联合创始人兼董事总经理，在ASMS会议上接受了《LCGC国际》的采访，讨论了AI驱动质谱分析的最前沿进展。沃尔曼的公司作为生物技术咨询公司，专注于为制药和生物技术客户解决具有挑战性的药物发现难题，他在ASMS上的演讲生动展示了该领域的发展速度之快。沃尔曼演讲的核心是PeptDeepKontext，这是一个通用深度学习模型，旨在预测肽的特性——包括光谱、保留时间和电荷状态——适用于多种仪器、实验室条件和翻译后修饰¹。该模型解决了一个长期存在的问题：现有工具在脱离特定训练环境时往往失效。PeptDeepKontext不是试图消除实验室间的变异性，而是将其视为一个可以学习的维度，利用来自50多项研究的数据，涵盖各种液相色谱仪器、质谱仪、溶剂和梯度分布。
在这段采访片段中，沃尔曼讨论了：
您在ASMS上的演讲题为"PeptDeepKontext：基于新基础数据集训练的跨仪器、条件和翻译后修饰的肽特性预测通用模型"。您能为我们详细说明一下吗？
沃尔曼还介绍了fragDETR，这是一种从代谢组学中借鉴并适应于肽的图级碎片化方法。该技术解锁了更丰富的光谱预测能力——考虑了内部碎片、中性损失和侧链碎裂——在处理高度修饰肽和非胰蛋白酶序列等挑战性案例时，可识别的峰数量增加多达三倍，强度增益高达五倍。在仪器之外，沃尔曼还提供了关于蛋白质组学在制药药物发现中所处位置的引人入胜的视角。曾经作为核心设施的小众工具，蛋白质组学现在每天能够处理数百个样本，并日益成为高通量药物发现平台的核心，特别是在共价药物项目和靶向蛋白质降解方面。随着仪器能力继续超越生物学单独需求，沃尔曼认为该领域即将迎来一个变革时期。
参考文献
¹ Wallman, G.; Kotb, M.; Lebedev, M.; Müller-Reif, J. B.; Mann, M. PeptDeepKontext：基于新基础数据集训练的跨仪器、条件和翻译后修饰的肽特性预测通用模型。ASMS 2026会议报告，美国加利福尼亚州圣迭戈。(访问于2026-06-24)。
【全文结束】