Nat. Methods | AI赋能蛋白质组学：从蛋白质鉴定迈向虚拟细胞

人工智能正在深刻改变科学研究，蛋白质组学尤其是基于质谱的蛋白质组学正成为这一变革的重要领域。近年来，机器学习和深度学习已经从最初辅助解析质谱数据，逐步扩展到肽段与蛋白质鉴定和定量、蛋白质复合物及蛋白质–蛋白质相互作用解析、空间蛋白质组学、扰动蛋白质组学以及多组学整合。研究人员认为，这些技术发展的长期汇聚方向，是建立能够模拟和预测真实细胞行为的人工智能虚拟细胞（AI virtual cell，AIVC）。

蛋白质是连接基因型与细胞表型的核心功能实体。仅仅知道一个细胞表达哪些蛋白质并不足以理解其真实状态，还必须考虑蛋白质丰度、翻译后修饰、亚细胞定位、剪接异构体、单氨基酸变异、结合伙伴以及蛋白质复合物等信息。随着单细胞蛋白质组学、空间蛋白质组学和扰动蛋白质组学的发展，研究人员开始能够从静态的“蛋白质清单”走向动态、空间和功能性的蛋白质系统描述。

然而，从蛋白质鉴定进一步迈向完整细胞模拟仍面临巨大挑战。大量质谱信号尚未得到解释，理论上可能存在的蛋白质形态远多于实验验证的数量；蛋白质复合物和相互作用网络具有动态性和高阶复杂性；空间蛋白质组学尚难同时获得全组织覆盖与单细胞、亚细胞分辨率；扰动组合空间近乎无限；不同组学之间还存在高度非线性的关系。因此，人工智能的价值不能局限于提高传统蛋白质组学分析的准确率，而应逐渐发展为理解、预测甚至主动探索细胞系统的计算框架。

研究人员进一步提出，要实现这一目标，需要建立真正面向人工智能的蛋白质组学生态系统，包括大规模、高质量、标准化且机器可读的训练数据和基准数据，以及生物学家、临床研究人员、蛋白质组学研究人员、生物信息学家、人工智能研究人员、仪器厂商和伦理监管人员之间的全球协作。

过去数十年，分子生物学已经极大加深了人们对生命系统的认识，但准确预测一个细胞在特定条件下将如何行动，仍然是一个尚未解决的核心问题。如果能够缩小这一差距，就有望加速药物开发和生物学发现，并提高疾病诊断和治疗干预的精准程度。

实现这一目标需要能够整合多模态数据的预测框架，因为细胞状态并非由单一分子决定，而是大量动态且依赖环境的生物过程共同作用的结果。蛋白质在其中处于核心位置，它们参与细胞结构组织、信号转导、代谢和生长调控，同时也是大量疾病机制、药物靶点和生物治疗药物的直接载体。

因此，对细胞状态的理解不能停留在蛋白质鉴定层面。同一个蛋白质可能由于翻译后修饰、剪接、单氨基酸变异、亚细胞定位或结合伙伴不同而发挥完全不同的作用。基于质谱的蛋白质组学能够同时提供这些信息，并进一步研究蛋白质–蛋白质相互作用、蛋白质复合物及其构象动态。随着检测灵敏度和通量持续提高，单细胞、空间和扰动蛋白质组学正在使研究人员能够更加深入地观察生物系统的组织结构与动态响应。

人工智能进入质谱研究实际上具有悠久历史。早期算法已经尝试利用计算方法从质谱实验结果和化学知识中推断分子结构。此后，传统机器学习和深度学习逐渐被用于提高肽段和蛋白质鉴定，并进一步扩展到抗体、新抗原、免疫肽、神经肽和天然产物等不同分子类型。近年来，人工智能还开始推动临床蛋白质组学中的生物标志物和药物靶点发现。

尽管如此，现有计算进步距离真正理解复杂生物系统仍有明显距离。大量蛋白质形态尚未得到实验鉴定，蛋白质复合物、相互作用和动态功能仍缺乏系统性描述；空间和扰动信息也远远不完整。研究人员因此将人工智能蛋白质组学划分为六个逐渐增加复杂性的关键领域：肽段和蛋白质鉴定与定量，蛋白质复合物及分子相互作用，空间蛋白质组学，扰动蛋白质组学，多组学整合，以及最终的人工智能虚拟细胞。

本文将人工智能作为一个广义概念，指能够从数据中学习，并在复杂环境中执行适应性、目标导向任务的计算系统，其中既包括传统机器学习，也包括现代深度学习。

传统机器学习包括逻辑回归、随机森林、支持向量机和梯度提升等方法。这些方法通常依赖人工设计特征和明确的模型结构，长期以来已经广泛用于蛋白质组学生物标志物发现、样本分类、特征选择和预测建模。

深度学习则利用多层神经网络自动学习复杂高维数据中的层级表示，减少对人工特征工程的依赖。卷积神经网络、循环神经网络和Transformer等架构已经广泛进入质谱蛋白质组学，并开始支持从蛋白质鉴定一直到空间蛋白质组学和扰动蛋白质组学的不同任务。

肽段和蛋白质鉴定与定量是质谱蛋白质组学最基础的任务，也是人工智能应用最成熟的方向之一。随着公开蛋白质组数据快速积累、深度学习算法进步以及计算能力提高，人工智能已经明显改善了数据库搜索、从头肽段测序、保留时间预测、碎裂谱预测、离子淌度相关特征预测以及数据驱动重打分等环节。

图1｜蛋白质组学六个关键领域中深度学习工具的发展概览。

尽管技术已经取得显著进步，鉴定深度仍然是质谱蛋白质组学的主要瓶颈。大规模质谱数据库中的大量串联质谱谱图至今无法被传统方法赋予可靠的肽段身份。这些未鉴定谱图中，一部分可能是技术噪声，但另一部分可能包含真实而尚未被识别的肽段信号。

深度神经网络能够把高质量肽谱匹配投射到低维表示空间，并利用谱图之间的相似性重新发现传统数据库搜索遗漏的信号。这种方法已经从此前未鉴定的谱图中恢复出大量新的肽谱匹配，但仍有庞大的谱图集合无法得到解释。因此，研究人员将这些未知信号视为蛋白质组“暗物质”的组成部分。

更加重要的“暗物质”来自尚未充分表征的蛋白质形态。绝大多数人类多外显子基因可以通过可变剪接形成不同异构体，同时人群中存在大量非同义遗传变异，而蛋白质又可能具有数百种类型的翻译后修饰。理论上可能形成的蛋白质形态数量因此远远超过当前实验鉴定范围。

人工智能与更高分辨率质谱仪、更完善训练数据结合，有望使蛋白质组学逐渐接近单氨基酸分辨率，并提高翻译后修饰鉴定和定量能力。

鉴定深度增加的同时必须保证结果可信。传统数据库搜索通常通过目标–诱饵策略控制错误发现率，但这种方法并不完美，在蛋白质层面以及单细胞蛋白质组学中尤其可能出现偏差。从头肽段测序的问题更加突出，因为很多模型自身缺乏完整的错误发现率控制体系，并经常把数据库搜索结果当作训练或评价的“真实答案”。

因此，未来需要更加严格的错误发现率评价策略、诱捕实验以及具有明确真实答案的合成数据集。同时，需要防止深度学习模型过拟合。当前很多从头测序模型主要利用人类蛋白质组和较早一代质谱仪产生的数据训练，其面对其他物种、新型仪器和不同碎裂方式时的泛化能力仍需验证。

一种重要方向是扩大训练数据的物种、仪器和实验条件多样性，并把碎裂方法、扫描速度和采集参数等实验信息直接作为模型输入。另一方向是引入推理能力，让模型不仅输出结果，而且给出可解释的判断过程。研究人员还提出，小语言模型和混合专家架构可能兼顾计算效率、专业化能力和扩展性，使复杂人工智能方法能够运行在普通GPU甚至CPU上，从而真正进入常规蛋白质组学实验室。

绝大多数蛋白质并非孤立发挥作用，而是在蛋白质复合物和相互作用网络中执行功能。同一细胞过程中的蛋白质往往相互联系，而且这些关系会随着细胞类型、环境、疾病和时间发生变化。因此，解析动态和环境特异性的蛋白质相互作用是理解健康与疾病的重要基础。

质谱已经成为高通量研究内源性蛋白质复合物的重要方法。经过长期积累，目前已经形成大量实验验证或计算预测的相互作用资源。这些数据既可以作为人工智能模型的训练材料，也可以提供等待实验验证的新候选相互作用。

目前最突出的问题并非完全缺少数据，而是数据高度异质。蛋白质复合物信息来自亲和纯化质谱、共分级质谱、交联质谱、基因和蛋白质表达实验、共免疫沉淀、计算预测以及X射线晶体学、冷冻电镜和核磁共振等结构技术。不同来源的数据在格式、分辨率和覆盖范围方面存在巨大差异，使标准化和模型训练非常困难。

对于相对一致的数据，可以建立标准化预处理流程；对于高度异质的资源，则需要多模态人工智能框架，把结构、表达、空间、功能和质谱信息整合到统一表示中。研究人员认为，只有首先解决数据标准化问题，人工智能才可能真正利用已经积累的大规模相互作用资源。

目前基于亲和纯化质谱和共分级质谱进行复合物鉴定，仍较多依赖传统生物信息学和经典机器学习。深度学习是否能够像改变肽段鉴定一样改变蛋白质复合物解析，仍然是一个开放问题。

未来模型需要进一步整合空间定位、功能注释和动态表达信息，而且研究对象应从蛋白质层面深入到蛋白质形态层面。例如，不同翻译后修饰、异构体或单氨基酸变异可能改变一个蛋白质进入何种复合物，从而重新塑造细胞功能。

另一个重要问题是，复合物和相互作用网络本质上并不只是简单的成对关系，而经常包含多个分子共同参与的高阶依赖。因此，超图等能够描述非成对高阶关系的数学结构可能比传统网络更加适合这一任务。图神经网络、自编码器和扩散模型等人工智能架构也可能用于建模复杂相互作用网络、提取谱图特征和刻画动态变化。

蛋白质位于哪里往往与“存在多少”同样重要。空间蛋白质组学通过解析蛋白质在组织、细胞和亚细胞结构中的位置及其动态变化，可以揭示蛋白质功能、相互作用网络、细胞过程和疾病机制。

空间蛋白质组学主要存在两个尺度：一是研究不同组织区域之间的异质性，二是进一步进入细胞内部，解析不同亚细胞区室和细胞器中的蛋白质分布。

目前主要技术可以分为成像和质谱两大类型。成像方法具有较高空间分辨率和较大组织覆盖范围，但受到抗体多重检测能力限制，蛋白质组深度通常有限。质谱空间蛋白质组学则具有较高灵敏度和更深的无偏蛋白质组覆盖，但采集通量限制了连续大面积组织分析。

激光显微切割结合质谱已经推动细胞类型分辨的空间蛋白质组研究，并逐渐将组织学图像与深度蛋白质组分析连接起来。然而，传统激光显微切割存在固有空间分辨率限制，真正的单细胞分析仍然困难。将组织膨胀与质谱结合可以进一步达到单细胞甚至亚细胞水平，但尚难实现连续全切片覆盖。

人工智能提供了新的解决思路。深度神经网络和迁移学习可以增强空间推断、提取潜在分子特征并整合多模态数据，从稀疏采样的质谱数据计算重建更连续的组织图谱。未来如果进一步结合组织膨胀、超分辨成像和电子显微镜，有望向纳米尺度、全切片、动态空间蛋白质组学推进，最终解析单细胞内部甚至细胞器尺度的蛋白质组织结构。

基因组相对稳定，而蛋白质组能够更加直接地反映细胞当前的功能状态和动态响应。扰动蛋白质组学通过系统施加遗传、化学或物理刺激，并测量随后发生的蛋白质变化，研究细胞机制、药物作用以及健康和疾病状态下的适应性响应。

扰动之后可以测量蛋白质丰度、相互作用、翻译后修饰、蛋白质周转、亚细胞定位以及酶活性。如果进一步与细胞表型结合，就能够建立从分子变化到系统级结果之间的因果联系。因此，扰动蛋白质组学不仅是描述细胞状态的技术，也是构建预测模型和治疗设计系统的重要基础。

这一领域最根本的问题是实验空间近乎无限。刺激类型、剂量、时间、组合方式和细胞环境之间可以产生巨大的组合空间，不可能通过穷举实验完成。而传统假设驱动实验通常集中于已有生物学知识附近，因此可能遗漏最具信息价值、但超出研究人员直觉的扰动条件。

人工智能可以把扰动蛋白质组学转变为自优化系统。模型首先从已有实验学习，并寻找不确定性最高、信息缺失最明显的区域；主动学习随后选择单位实验成本能够带来最大信息增益的扰动，例如新的药物–时间–剂量组合；新实验结果重新输入模型后，再用于决定下一轮实验。

这形成“实验—模型—实验”的闭环，而不是一次性的模型预测。更进一步，生成式人工智能可以主动提出此前从未研究过的遗传靶点、未知蛋白质功能、药物作用机制或生理通路，从而使蛋白质组学由观察性科学逐渐转向预测性工程。

这一变化也意味着人工智能评价标准需要改变。未来不应该只关注黑箱模型能否准确预测，而应该发展可解释、机制驱动的人工智能，回答蛋白质组为什么以及通过何种机制对扰动作出响应。

现代生物学已经积累大量基因组、表观基因组、转录组、蛋白质组和代谢组数据，同时还产生病理图像、空间数据和临床表型。真正理解细胞需要把这些信息连接起来，而不能孤立分析单一组学。

不同组学平台在灵敏度、特异性、覆盖度和技术偏差方面明显不同，很多数据也并非来自完全匹配的同一样本。不同定量方法、数据尺度和预处理流程进一步增加了基因、转录本和蛋白质直接比较的困难。

因此，未来需要建立真正配对的多模态数据集，并特别增加蛋白质组学数据，同时把组学数据与图像和文本信息联系起来。蛋白质基因组学还可以利用质谱证据反向验证基因组中的蛋白质编码区域，从而加强基因型和蛋白质功能之间的联系。

更加深层的问题是不同组学之间并不存在简单线性映射。mRNA丰度与蛋白质丰度受到翻译调控、共翻译修饰和蛋白质降解等多个过程共同控制。同一个基因编码的蛋白质还可能因为不同细胞环境出现完全不同的磷酸化或糖基化状态。

单细胞蛋白质组学进一步表明，不同细胞亚群中的蛋白质复合物组装方式可能明显不同，而这些差异无法仅从基因组或转录组准确推断。

因此，研究人员将其概括为一种“基因–蛋白质表型不连续性”：单纯扩大训练数据规模并不能自然解决蛋白质功能的环境依赖调控问题。未来模型可能需要建立翻译后修饰感知的特征空间，把蛋白质修饰状态与局部代谢物浓度、邻近细胞关系和微环境信息动态耦合。

图神经网络可以描述蛋白质–蛋白质和药物–蛋白质相互作用；联合嵌入能够把质谱蛋白质组和转录组投射到共同空间；超图神经网络可以描述高阶非成对关系；神经常微分方程则可能同时建模代谢组和磷酸化蛋白质组的时间动态。这些方法共同指向一种从“拼接多组学数据”向“建模跨组学动态机制”的转变。

前五个领域实际上形成了一条逐步增加生物学复杂性的技术路线：首先从质谱原始数据中鉴定和定量肽段及蛋白质，随后理解这些蛋白质形成的复合物和相互作用网络，再加入空间位置和扰动后的动态响应，最后通过多组学整合建立系统级细胞状态表示。

图2｜人工智能正在改变的六个蛋白质组学前沿领域。

人工智能虚拟细胞的目标是建立能够模拟分子、细胞甚至组织行为的计算模型，并利用这些模型指导实验。早期全细胞模型已经尝试模拟简单微生物，随后逐渐扩展到更加复杂的细菌和酵母，但这些工作主要依赖约束型模型。现代人工智能则为建立更具泛化能力和动态预测能力的虚拟细胞提供了新的可能。

构建虚拟细胞需要系统整合具有空间和时间信息的多组学与成像数据。理论上，这一过程可以从DNA、RNA、蛋白质和代谢物等基本细胞分子开始，然后建立它们之间的相互作用及复合物，再逐渐向亚细胞结构、细胞器、生物分子凝聚体以及整个细胞扩展。蛋白质既是细胞结构的重要组成部分，也是主要功能执行者，因此全面描述蛋白质的空间和时间状态是虚拟细胞不可缺少的基础。

人类虚拟细胞比微生物全细胞模型困难得多，因为需要处理高阶调控逻辑、细胞–细胞通信以及组织异质性。这要求单细胞技术和基础模型共同发展，并利用大规模、多尺度数据进行训练。

目前基于RNA的细胞基础模型已经展示出从大规模单细胞数据学习通用表示的潜力，但缺乏充分的空间和时间分辨率，因此难以描述真实动态。蛋白质组基础模型则开始利用大规模扰动蛋白质测量学习药物响应，例如从数千万级扰动蛋白质数据预测药物疗效和协同作用；更大规模的细胞扰动模型也已经能够在此前未见的细胞环境中寻找有效干预。

下一步的重要方向是将这些模型与超分辨成像和扰动组学结合，使人工智能同时观察细胞内部结构变化、蛋白质状态和环境响应。这样，虚拟细胞就不再只是根据一个静态输入预测一个静态输出，而是能够模拟细胞随时间变化的状态轨迹。

研究人员进一步提出，人工智能智能体可能推动另一层范式变化：从被动预测转向自主闭环科学探索。模型分析现有实验，识别知识缺口，提出下一轮实验，实验结果重新用于更新模型，再继续设计新的扰动。这种闭环体系可能最终把虚拟细胞从单纯的计算模型发展为连接人工智能与真实实验系统的“数字实验伙伴”。

人工智能蛋白质组学能否进一步发展，很大程度上取决于数据基础。结构生物学中人工智能取得突破的重要条件之一，是长期积累了规模大、质量高且高度标准化的数据。蛋白质组学虽然已经拥有数量庞大的公开质谱原始文件，但真正适合直接训练人工智能模型的数据仍然只占其中一部分。

理想训练数据应该具有代表性、多样性、足够大的规模，并能够覆盖现实蛋白质组学中的物种、仪器、碎裂方式和实验条件。目前许多数据库搜索和从头测序模型主要使用人类蛋白质组及较早一代质谱仪数据，因此面对其他物种或新型仪器时可能出现性能下降。随着模型越来越复杂，需要的数据规模也会进一步增加。

真实数据不足时，合成数据可以用于预训练和微调，但如何真实模拟不同仪器、不同碎裂方式以及复杂蛋白质形态仍然困难。

数据质量同样重要。高质量模型需要从样本制备、液相色谱–质谱采集一直到数据分析进行完整质量控制。未来强化学习可能使人工智能智能体自动判断质谱数据质量，并动态调整碰撞能量或隔离窗口等仪器参数，从而形成具有反馈能力的自动质量控制体系。

此外，蛋白质组数据通常需要大量专业知识才能解释，因此数据格式必须进一步向机器可读方向发展。标准化数据共享体系已经奠定基础，而更加适合人工智能的大规模数据格式甚至张量化表示，可能进一步降低训练模型的技术门槛。

基准测试也不能局限于单一数据集。未来需要覆盖不同物种、不同质谱仪以及蛋白质复合物鉴定、空间蛋白质组学等新任务的高质量独立测试集，使不同人工智能方法能够得到公平、可靠和可重复的评价。

构建人工智能友好的蛋白质组学生态系统需要多个群体共同参与。生物学家和临床研究人员首先提出真正重要的科学和医学问题，并提供生物样本；蛋白质组学研究人员利用质谱生成原始数据和高质量元数据；生物信息学研究人员把这些信息处理为适合人工智能训练的数据格式；人工智能研究人员进一步构建模型并解决复杂问题。

仪器厂商也具有重要作用，特别是推动质谱原始数据格式标准化和提高数据透明度。与此同时，可以通过开放竞赛和标准基准吸引更广泛的人工智能研究群体进入蛋白质组学。

对于实验研究人员而言，GPU获取困难和缺乏人工智能训练仍是现实障碍。因此，未来模型不仅要追求准确性，还需要更加轻量化，能够在普通GPU甚至CPU上运行。共享计算集群、云平台、培训课程、开源模型、容器化运行环境和标准训练流程都能够降低实际使用门槛。

图3｜构建面向人工智能的质谱蛋白质组学生态系统。

临床蛋白质组数据带来了新的隐私问题。与基因组数据相比，蛋白质组数据长期处于相对模糊的法律和伦理区域，但越来越多证据表明，高维蛋白质组数据同样可能包含可以识别个体的信息。因此，完全开放共享与保护个人隐私之间存在明显矛盾。

受控访问可以提高隐私保护程度，却会减少人工智能能够直接使用的数据规模。联邦学习提供了一种折中方案，即数据保留在不同机构内部，各机构本地训练模型，然后只聚合模型信息，从而减少原始数据转移。但这种方式同样会限制数据和元数据的进一步复用。

另一个问题来自参考蛋白质组本身的偏倚。如果数据库主要依赖标准人类参考蛋白序列，就可能忽视不同人群中的蛋白质形态多样性，并进一步把这种偏倚传递给人工智能模型。因此，未来生物标志物、药物敏感性和毒性研究需要纳入更加广泛的遗传多样性和蛋白质单倍型，同时又必须处理由更详细个体元数据带来的隐私风险。

人工智能结果还需要领域专家参与验证，特别是在临床环境中。模型输出不能直接取代生物学和医学判断，而应建立领域特异的可靠性和可重复性评价体系。

公平获得人工智能技术同样是伦理问题。商业模型的订阅费用、按使用量计费以及不断变化的服务政策可能造成机构之间新的资源差异。因此，人工智能蛋白质组学的发展不仅需要解决数据和算法问题，还必须确保计算工具能够以可持续、公平的方式服务于整个科研群体。

研究人员将人工智能驱动质谱蛋白质组学未来的发展概括为六个相互衔接的关键方向：肽段和蛋白质鉴定与定量，蛋白质复合物及其他分子相互作用解析，空间蛋白质组学，扰动蛋白质组学，多组学整合，以及人工智能虚拟细胞。

这六个方向并非彼此独立，而是构成一条从分子识别走向细胞系统理解的连续路径。最底层的问题是准确知道样本中存在哪些肽段、蛋白质和蛋白质形态；随后需要知道这些蛋白质与谁相互作用、形成什么复合物；空间蛋白质组学进一步回答这些分子位于哪里；扰动蛋白质组学回答它们如何随环境和干预变化；多组学整合则把这些蛋白质状态与基因组、转录组、代谢组以及表型联系起来。最终，这些信息共同构成能够模拟真实细胞的人工智能虚拟细胞。

因此，人工智能对蛋白质组学最深远的影响可能并不是把某一种数据库搜索算法的准确率提高几个百分点，而是改变蛋白质组学提出和回答科学问题的方式。未来蛋白质组学可能从“测量样本中有什么”发展为“预测细胞将发生什么”，再进一步发展到“决定下一步应该做什么实验”。

在这一框架下，空间信息、时间信息和扰动信息具有特别重要的意义。一个静态蛋白质清单无法充分定义细胞状态。真正的虚拟细胞需要理解同一种蛋白质在不同细胞器、不同修饰状态、不同时间以及不同邻近细胞环境中的功能差异。因此，未来蛋白质组学需要从传统的丰度矩阵逐渐发展为具有空间、时间、相互作用和扰动维度的动态细胞表示。

人工智能也可能改变实验本身。主动学习和人工智能智能体可以根据模型不确定性选择最具信息价值的实验，自动分析新获得的质谱数据，再根据结果设计下一轮扰动。随着自动化实验和智能质谱仪进一步发展，数据采集、质量控制、模型训练、假设提出和实验验证可能形成连续闭环。

不过，实现这一愿景的决定性基础仍然是数据。当前公开蛋白质组数据规模虽然庞大，但真正具有统一元数据、高质量注释、标准格式并适合直接训练人工智能的数据仍然不足。研究人员因此强调，未来需要像计算机视觉的大规模标准数据集和结构生物学的结构数据库一样，为蛋白质组学建立具有广泛代表性的训练集和严格独立的基准测试体系。人工智能友好数据不能只是“大”，还必须准确、多样、标准化、可解释并具有明确实验背景。

最终，从蛋白质鉴定走向虚拟细胞，本质上代表着蛋白质组学研究尺度的变化：从单个谱峰到肽段，从肽段到蛋白质形态，从蛋白质到相互作用网络，从网络到空间和动态细胞状态，再从单个细胞扩展到组织和复杂生物系统。人工智能为连接这些尺度提供了新的计算基础，而质谱蛋白质组学则为人工智能提供了最接近细胞功能执行层的数据。

如果高质量蛋白质组数据、多组学、先进成像、扰动实验、基础模型和自主人工智能智能体能够真正整合，人工智能虚拟细胞将不再只是一个抽象概念，而可能成为预测细胞行为、理解疾病机制、设计药物和指导实验的新型研究平台。实现这一目标需要全球范围内的数据生产者、数据使用者、仪器开发者和伦理监管者共同建立开放而可靠的生态系统，使人工智能蛋白质组学最终从更准确地“识别蛋白质”，走向真正地“理解和模拟细胞”。

Sun, Y., A, J., Liu, Z. et al. AI proteomics: from protein identification to virtual cells. Nat Methods (2026). 

https://doi.org/10.1038/s41592-026-03085-y