今年公开的论文中同时出现了两个名为PEPSEEK的技术工具——PEPSeek发表于Molecular Cellular Proteomics（链接：https://www.sciencedirect.com/science/article/pii/S1535947625000350）；PepSeek来自生物预印本平台bioRxiv（链接：https://www.biorxiv.org/content/10.1101/2025.04.29.641945v1）。
PEPSeek，全称Pathogen EPitope Seeker，专注于病原体感染模型中MHC-I免疫肽组学的表位识别，而PepSeek则致力于构建一个通用肽段发现框架。这种差异本质上反映了肽段研究领域的两个核心挑战：一是如何从复杂的质谱数据中精准识别低丰度肽段，二是如何在有限数据条件下实现肽段功能的准确预测与设计。
PEPSeek由德国马普所的Juliane Liepe 等人牵头研发，其工作建立在升级的inSPIRE工作流程之上，后者集成了Prosit谱图预测和Percolator重打分算法。PEPSeek的创新之处在于将专业分析流程封装成交互式网页服务器，使不具备计算背景的研究者也能轻松进行病原体表位识别、并直接输出表位候选列表。值得注意的是，PEPSeek在肽段识别中引入了后验错误概率而非传统的q值cutoff作为阈值，这一改进显著降低了假阳性率；但这并不是首创。
研究团队将PEPSeek应用于三种重要病原体感染模型：SARS-CoV-2、单核细胞增生李斯特菌和沙眼衣原体。通过分析感染和未感染的人类及小鼠细胞系的MHC-I免疫肽组学数据，与标准分析方法相比，PEPSeek识别出的病原体衍生表位候选物数量增加了57%，抗原数量增加了38%。在SARS-CoV-2感染细胞中，研究人员发现了24个新候选表位。研究团队合成了8个表位候选肽段并在COVID-19康复者的外周血单核细胞中进行测试。结果显示其中7个肽段能够触发显著的IFN-γ分泌反应，证实了这些表位的免疫原性并体现了PEPSeek的数据挖掘表现。
PepSeek技术由山东大学的李延青等人牵头，基于大语言模型和专门深度学习模型的协同，旨在解决肽段数据稀缺和”域外”泛化问题。前者具有强大的推理能、后者具有高精度预测能力，因此该框架理论上对于肽段识别、生成和优化等多重任务是通用的。
在肽段识别任务中，专门深度学习模型的预测结果会由大型语言模型进一步精炼，从而提升准确率。在肽段生成方面，系统采用先验引导的强化学习产生候选序列，然后由LLM进行活性优化和毒性降低。具体到肽段分类和回归任务，PepSeek采用了LLM引导的模型集成策略，根据验证性能选择最优模型子集。研究结果显示，在抗菌肽识别任务中，这种协同方法将域外数据的AUC从0.71提升至0.9以上。在实践应用中，研究团队使用该技术优化了一个源肽段QLX-227-1，生成了十大候选肽（R1-R10）。其中R2肽段在实验中表现出优异的广谱抗菌活性，对多种耐药菌的最小抑制浓度几何均值低至7.1μg/mL，优于所有处于临床试验阶段的抗菌肽。同时，该肽段具有低溶血毒性特征，治疗窗口宽广，且不易诱导耐药性产生。
两项技术虽然名称相似，但在目标定位、数据基础和方法论上存在本质差异。PEPSeek专注于质谱数据分析，强调对实验数据的精准解读；而PepSeek立足于序列信息挖掘，注重对肽段功能的预测与设计。前者需要高质量的质谱数据作为输入，后者则依赖于序列特征和理化性质。这种差异使得它们分别适用于不同的研究场景和科学问题。
然而，这种差异性也为二者的技术融合提供了想象空间：研究人员首先使用PEPSeek处理感染细胞的质谱数据，识别出候选表位；然后将这些肽段序列输入PepSeek的大型语言模型模块，进行零样本功能预测，评估其交叉反应性或毒性特征，从而优先选择最具潜力的候选物进行后续实验。在个性化医疗和疫苗开发场景中，这种联用策略或许能够降低数据检测上的假阳性、并提高生物应用上的成功率。例如：研究人员可以利用PEPSeek的检测能力监测感染过程中的病原丰度变化，同时借助PepSeek的生成式模型优化肽段设计（如对特定基因型的多肽呈递偏好），增强免疫原性或降低脱靶效应。
Content Refined by AI tools 内容经AI工具修改，审慎阅读
Figure Generated by AI tools 图像由AI工具生成