Logo
ホームページ
当社のモデルを探求してください。
カート
連絡先
購読する
モデル製品
製品ラインアップ
MouseAtlas モデルライブラリ
細胞株モデルカタログ
iPS細胞株製品カタログ
ノックアウト細胞株製品カタログ
点変異細胞株製品カタログ
過剰発現細胞株製品カタログ
腫瘍細胞株製品カタログ
レポーター細胞株製品カタログ
OriCell(細胞培養製品)
AAV 标準製品カタログ
研究用マウスモデル
ヒト化マウスモデル
HUGO-GT™
HUGO-Ab™
ヒト化ターゲット遺伝子モデル
ヒト化免疫系マウスモデル
ツールマウス
Creマウスモデル
疾患モデル
神経疾患モデル
がん・免疫腫瘍学モデル
自己免疫疾患モデル
免疫不全モデル
眼科疾患モデル
代謝疾患モデル
カスタムサービス
遺伝子改変モデル作製技術
Turboknockout™ゲノムターゲティング技術
ターゲティング遺伝子編集技術
Cre-ESCs遺伝子編集技術
通常型トランスジェネシス
PiggyBacトランスジェネシス
BACトランスジェネシス
遺伝子改変動物モデル作製サービス
ノックアウトマウス作製
ノックアウトラット作製
ノックインマウス作製
ノックインラット作製
トランスジェニックマウス作製
トランスジェニックラット作製
繁殖・サポートサービス
繫殖サービス
凍結保存・復元サービス
表現型解析サービス
BAC改変サービス
カスタム細胞株作製サービス
誘導多能性幹細胞(iPS細胞)作製
ノックアウト細胞株作製
ノックイン細胞株作製
点変異細胞株作製
過剰発現細胞株作製
ウイルスベクター作製サービス
アデノ随伴ウイルスパッケージング
レントウイルスパッケージング
アデノウイルスパッケージング
創薬研究
抗体創薬
HUGO-Mab™
HUGO-Light™
HUGO-Nano™
HUGO-Ab-eKO™
疾患領域
神経疾患
アルツハイマー病(AD)
パーキンソン病(PD)
ハンチントン病(HD)
血液脳関門(BBB)
神経障害性疼痛
腫瘤
PBMCヒト化マウスモデル
ヒト免疫系(HIS)マウスモデル
免疫・炎症
喘息
眼科疾患
緑内障
加齢黄斑変性(AMD)
網膜関連疾患
代謝・循環器疾患
肥満
創薬モダリティ
治療用抗体医薬
モノクローナル抗体(mAb)
二重特異性抗体(BsAb)
ADC/AOC
AI駆動型AAV創薬
細胞免疫療法
遺伝子治療
核酸医薬
HUGO-LAb™
神経疾患抗体
腫瘤抗体
免疫・炎症疾患抗体
眼科疾患抗体
代謝・循環器疾患抗体
コミュ二ティー
キャンペーン
イベント・ウェビナー
ニュース
研究情報
資料室
査読済み文献(引用)
データベース
希少疾患データセンター(RDDC)
AbSeek
Cell iGeneEditor™ システム
先端研究速報
会社案内
企業概要
施設概要
動物の健康・福祉
健康報告書
協力企業・代理店
採用情報
お問い合わせ
Login
ホーム>先端研究速報>タンパク質解析の AI 時代を拓く:35 種 15 億スぺクトル大規模データセット MassNet と新モデル XuanjiNovo

タンパク質解析の AI 時代を拓く:35 種 15 億スぺクトル大規模データセット MassNet と新モデル XuanjiNovo

研究领域で探す
2026.11.15
プロテオミクスAI 深層学習質量分析de novo シーケンシングMassNet

Contents

01.研究背景と未解決課題
02.この論文で明らかになったこと
03.研究デザインと技術的ポイント
04.疾患研究・創薬研究への示唆
05.前臨床モデル・研究ツールとの関連
06.まとめ

01. 研究背景と未解決課題

質量分析(MS)に基づくプロテオミクスは、多様な生物学的・疾患文脈におけるプロテオームの特性評価に広く利用されています。しかし、深層学習の発展には、大規模で高品質かつ標準化されたデータ資源が不可欠です。既存のスペクトルライブラリは、人間中心のデータに偏っており、マウスや線虫、酵母などの重要なモデル生物のデータが不足しています。また、データ形式の非標準化やメタデータの欠如が、大規模な AI 解析の障壁となっていました。

02. この論文で明らかになったこと

本研究は、35 種(動物、植物、微生物)にわたる 15 億のタンデム質量スペクトルを含む、AI 対応データセット「MassNet」を公開しました。このデータセットには、約 170 万のヒト由来ペプチド前駆体も含まれています。また、MassNet を基に開発された非自己回帰型トランスフォーマーモデル「XuanjiNovo」は、最新の深層学習手法を凌駕する性能を示しました。特に、ヒト Astral データにおいて、既存の最先端手法に対して 38.35% から 143.57% の性能向上を達成しています。

03. 研究デザインと技術的ポイント

MassNet は、648 のプロジェクトから収集された約 30TB の生データから作成され、FragPipe と Sage という 2 つの検索エンジンによる解析結果を統合しています。データ保存には、深層学習に最適化された新しい形式「MSDT(Mass Spectrometry DDA Tensor)」を採用し、効率的な入出力と標準化を可能にしました。XuanjiNovo の開発には、学習の難易度を段階的に上げる「カリキュラム学習」戦略と、非自己回帰型トランスフォーマー(NAT)アーキテクチャが組み合わされました。これにより、複雑なスペクトルデータからのペプチド配列決定の安定性と精度が大幅に向上しました。

  • 35 種 15 億のスペクトルを含む大規模 AI 対応データセット MassNet の構築
  • 深層学習向け標準化形式 MSDT の開発と Parquet 形式による効率的なストレージ
  • カリキュラム学習と非自己回帰型トランスフォーマーを融合した XuanjiNovo モデルの実装

04. 疾患研究・創薬研究への示唆

MassNet と XuanjiNovo は、新規ペプチド配列決定の精度向上だけでなく、保持時間の予測や PSM(ペプチド - スペクトルマッチ)の再スコアリングにも応用可能です。特に、同位体質量が近接するアミノ酸の識別精度が向上したことは、翻訳後修飾の同定や低濃度サンプルの解析において重要です。これは、疾患バイオマーカーの発見や、標的タンパク質の同定を必要とする創薬初期段階における 前臨床研究 の効率化と信頼性向上に直結します。

05. 前臨床モデル・研究ツールとの関連

MassNet はマウス、ラット、ゼブラフィッシュ、酵母など、創薬研究で頻繁に使用されるモデル生物のデータを含んでおり、これらの生物種におけるタンパク質発現解析の AI 化を加速させます。高精度なプロテオーム解析は、遺伝子編集 マウス モデルや 細胞モデル を用いた機能解析の補完として、遺伝子変異の影響や薬剤応答メカニズムの解明に不可欠です。Cyagen が提供する多様な遺伝子編集モデルや CRO サービスと組み合わせることで、より包括的な創薬データ解析が可能となります。

06. まとめ

MassNet は、自然言語処理における WordNet や ImageNet に相当する、プロテオミクス分野における画期的な基盤データ資源です。大規模で標準化されたデータと高性能 AI モデルの組み合わせは、タンパク質解析の新たな基準を確立し、複雑な疾患メカニズムの解明や創薬プロセスの革新を後押しします。

先端研究向け遺伝子改変動物モデル
先端研究向け遺伝子改変動物モデル
遺伝子機能解析、疾患モデル化、治療開発に向けた高品質のノックアウト/ノックイン/トランスジェニックのマウス・ラットをご提供します。世界中の研究者に信頼されています。
マウスモデルへ
AI駆動型AAVディスカバリー(中枢神経系(CNS)&眼科遺伝子治療)
AI駆動型AAVディスカバリー(中枢神経系(CNS)&眼科遺伝子治療)
AIによるカプシド設計とin vivo検証でAAVベクター開発を加速します。精密なCNS(中枢神経系)標的化、オフターゲット効果の低減、網膜での発現増強を実現し、先進的な遺伝子治療研究を推進します。
マウスモデルへ

FAQ

MassNet データセットに含まれる生物種は何ですか?
MassNet には、動物、植物、微生物を含む 35 種以上の生物種のデータが含まれており、ヒト、マウス、ラット、酵母、大腸菌など創薬研究で重要なモデル生物も多数カバーしています。
XuanjiNovo モデルの主な利点は何ですか?
XuanjiNovo は、カリキュラム学習と非自己回帰型トランスフォーマーを採用することで、既存の手法よりも高い精度でペプチド配列を決定でき、特に同位体質量が近いアミノ酸の識別や、低品質なスペクトルからの解析に優れています。
この研究は創薬開発にどのように役立ちますか?
高精度なプロテオーム解析により、新規バイオマーカーの発見や薬剤標的の同定が効率化され、創薬初期段階のターゲット検証やメカニズム解明を支援します。
論文情報
Jun A, Xiang Zhang, Xiaofan Zhang, Jiaqi Wei, Te Zhang, Yamin Deng, Pu Liu, Zongxiang Nie, Yiwen Yu, Yi Chen, Nanqing Dong, Zhiqiang Gao, Siqi Sun, Tiannan Guo. MassNet: billion-scale AI-ready mass spectral corpus empowering scalable deep learning in proteomics. Nature Methods. https://doi.org/10.1038/s41592-026-03247-y
共有
Top
モデルライブラリ
モデルライブラリ
リソース
リソース
動物の品質
動物の品質
サポートを受ける
サポートを受ける
サイヤジェン株式会社
住所:
〒543-0071 大阪府大阪市天王寺区生玉町2-3 小出ビル410室
電話 :
06-7652-3321
メール:
[email protected]
モデル製品
HUGO-GT™HUGO-Ab™MouseAtlas モデルライブラリ細胞株モデルAAV標準製品
創薬・研究開発
神経疾患オンコロジー免疫・炎症眼科疾患代謝・循環器疾患
会社案内
企業概要施設概要動物の健康・福祉健康報告書協力企業・代理店採用情報お問い合わせ
SNS
免責事項:当社の製品およびサービスの価格や入手可能性は地域によって異なります。記載されている価格は特定の国々に適用されます。詳細についてはご連絡ください。
Copyright © 2026 Cyagen. All rights reserved.
プライバシーポリシー
サイトマップ
Cyagenの最新情報をお届けします
研究モデル、CROサービス、科学リソース、特別オファーに関する最新情報を、研究ニーズに合わせてメールでお届けします。
お名前
メール
ご所属機関
関心分野
主な研究分野