近幾年來(lái)，蛋白質(zhì)組學(xué)可謂是進(jìn)入了「信息爆炸時(shí)代」。單次實(shí)驗(yàn)可能生成上百GB的高維數(shù)據(jù)，這給傳統(tǒng)分析工具帶來(lái)了巨大壓力。

而機(jī)器學(xué)習(xí)，尤其是深度學(xué)習(xí)技術(shù)，本應(yīng)成為加速分析的利器。但礙于數(shù)據(jù)整合、模型應(yīng)用門(mén)檻等問(wèn)題，機(jī)器學(xué)習(xí)結(jié)果往往缺乏直觀的物理或生物學(xué)解釋?zhuān)媒Y(jié)果并不能使研究者信服。

但隨著德國(guó)慕尼黑工業(yè)大學(xué)（Technical University of Munich）與美國(guó)密西根大學(xué)（University of Michigan）等推出 Koina 平臺(tái)，一個(gè)開(kāi)源的、去中心化的、在線可訪問(wèn)的模型庫(kù)之后，這一現(xiàn)狀得到了改善。

相關(guān)的研究?jī)?nèi)容以「Koina: Democratizing machine learning for proteomics research」為題，于 2025 年 11 月 11 日發(fā)布在《Nature Communications》。

論文鏈接：https://www.nature.com/articles/s41467-025-64870-5

去中心化的機(jī)器學(xué)習(xí)平臺(tái)

Koina是一個(gè)去中心化的機(jī)器學(xué)習(xí)模型平臺(tái)，旨在幫助蛋白質(zhì)組學(xué)研究人員快速應(yīng)用、評(píng)估并共享機(jī)器學(xué)習(xí)模型。平臺(tái)通過(guò)為研究人員提供開(kāi)放式模型庫(kù)和簡(jiǎn)單接口，解決了模型與數(shù)據(jù)間的兼容問(wèn)題，極大降低了技術(shù)門(mén)檻。

圖 1：Koina 的架構(gòu)概述。

Koina 簡(jiǎn)化了新蛋白質(zhì)組學(xué)機(jī)器學(xué)習(xí)模型的開(kāi)發(fā)現(xiàn)過(guò)程，研究人員可以將自己訓(xùn)練的模型上傳到平臺(tái)，供全球?qū)W者訪問(wèn)、評(píng)估與使用。并且，該平臺(tái)提供簡(jiǎn)單的 API 接口，幫助分析工具輕松集成機(jī)器學(xué)習(xí)模型。

圖 2：Koina 可以輕松集成到第三方軟件中。

此外，平臺(tái)可以根據(jù)輸入數(shù)據(jù)類(lèi)型和任務(wù)目標(biāo)，自動(dòng)推薦最合適的機(jī)器學(xué)習(xí)模型，甚至提供簡(jiǎn)單的模型訓(xùn)練和調(diào)優(yōu)功能。團(tuán)隊(duì)實(shí)現(xiàn)了一種啟發(fā)式算法，這可以根據(jù)模型在數(shù)據(jù)子集的預(yù)測(cè)值與實(shí)驗(yàn)值之間的協(xié)議來(lái)選擇模型。

優(yōu)化的分析流程

為了應(yīng)對(duì)不同模型支持的翻譯后修飾（PTMs）和肽長(zhǎng)度方面的差異等加劇的繁瑣問(wèn)題，團(tuán)隊(duì)標(biāo)準(zhǔn)化了所有模型之間的交互與輸入格式。而輸出部分，則予以保留，以便用戶能夠?qū)⑺麄兊念A(yù)測(cè)與原始來(lái)源進(jìn)行核對(duì)。

這個(gè)共享接口封裝了技術(shù)異構(gòu)的模型集合及其相關(guān)的預(yù)處理和后處理步驟，以獨(dú)立計(jì)算單元的形式，為最終用戶抽象了不必要的細(xì)節(jié)，以「工作流」或「執(zhí)行圖」的形式呈現(xiàn)。

圖 3：Prosit_2019_intensity和Prosit_2020_intensity_HCD模型的執(zhí)行圖。

后續(xù)的長(zhǎng)期使用保持則采用 GitHub actions 的持續(xù)集成（CI）流程來(lái)支持。此外，Koina 支持同時(shí)托管不同版本的模型，這些設(shè)計(jì)選擇促進(jìn)了已發(fā)布模型的可重復(fù)性，促進(jìn)了透明度和問(wèn)責(zé)制，使其他研究人員能夠更有信心地基于現(xiàn)有工作進(jìn)行研究。

Koina 利用機(jī)器學(xué)習(xí)模型對(duì)已有數(shù)據(jù)進(jìn)行訓(xùn)練，從而發(fā)現(xiàn)潛在的、復(fù)雜的肽段信息。在與 FragPipe 的結(jié)合使用中，它就提高了譜庫(kù)的準(zhǔn)確率與覆蓋率。通過(guò)對(duì)比不同肽段的相似度，Koina 能自動(dòng)糾正傳統(tǒng)方法中的誤識(shí)別。經(jīng)過(guò)訓(xùn)練，它還能識(shí)別更多的低豐度肽段，平臺(tái)實(shí)現(xiàn)了對(duì)肽段的高效檢索，特別是在復(fù)雜的樣本中。

讓AI為生物學(xué)加速

Koina 的出現(xiàn)，意味著 AI 與生物學(xué)之間不再是「遙遠(yuǎn)的未來(lái)」，而是已經(jīng)可以觸及的現(xiàn)實(shí)。在這個(gè)平臺(tái)的推動(dòng)下，生物數(shù)據(jù)分析不再局限于傳統(tǒng)實(shí)驗(yàn)，而是進(jìn)入了一個(gè)可以迅速探索、驗(yàn)證、創(chuàng)新的新時(shí)代。

Koina 的方法完全獨(dú)立于數(shù)據(jù)集的生物學(xué)或技術(shù)來(lái)源。該平臺(tái)并非本質(zhì)上局限于蛋白質(zhì)組學(xué)，它可以輕松擴(kuò)展到其他領(lǐng)域。通過(guò)邀請(qǐng)開(kāi)發(fā)者參與 Koina，研究團(tuán)隊(duì)旨在營(yíng)造一個(gè)協(xié)作環(huán)境，推動(dòng)蛋白質(zhì)組學(xué)機(jī)器學(xué)習(xí)的進(jìn)步，最終惠及整個(gè)科學(xué)界。