针对治疗蛋白质的完整性水平进行峰检测的深度学习框架

最近，印度理工学院（位于德里）化学工程系进行了一项研究，使用液相色谱-质谱联用技术（LC–MS）来区分单克隆抗体（mAb）中的异变体（糖型），能够对其进行表征，揭示了在完整水平上可辨识的峰。

尽管商业软件中具备自动化峰检测功能，但为了达到最优的真实阳性率，通常需要利用视觉检查和手动调整。最近，印度理工学院（位于德里）化学工程系进行了一项研究，使用液相色谱-质谱联用技术（LC–MS）来区分单克隆抗体（mAb）中的异变体（糖型），能够对其进行表征，揭示了在完整水平上可辨识的峰。LCGC International采访了文章的通讯作者Anurag Rathore，谈论了他的部门的研究结果。

您的论文（1）展示了您和您的合著者进行的一项研究，该研究使用基于机器学习（ML）的方法进行峰检测，以促进商业许可生物类似药与创新产品之间的直接比较。与其他方法相比，使用ML进行此操作的优势是什么？

与传统的峰检测方法不同，传统方法需要有关样本的预先信息，如基线扭曲、相位误差和t1噪声，而基于ML的技术需要的先验知识最少。因此，减少了对手动调整和专家输入的依赖，使过程更加自动化和流线化。此外，基于ML的方法对噪声较不敏感，因此在信号与噪声问题的环境中特别有利，确保了可靠的峰检测，无需广泛的手动干预。

为什么峰检测方法很重要？

在治疗蛋白（mAbs）分析的背景下，峰检测方法之所以重要，原因如下：

它允许精确识别和量化样本中存在的不同分子物种，从而确保产品符合必要的质量标准。

通过准确识别峰，制造商可以监控并优化药物开发过程。这有助于识别制造过程中的任何偏差或不一致性，使能及时进行调整。

对于完整质量分析而言，这一点很重要，因为它用于验证治疗蛋白的分子质量，并确保蛋白质正确组装并且具有预期的分子质量。

在结构生物学方面，峰检测有助于分析蛋白质和其他生物分子的结构组分。这些信息对于理解这些分子在生物系统中的功能和相互作用至关重要。

您是否发现某些色谱或光谱技术通过使用基于ML的方法得到了优化？

是的，由于其复杂和高维数据特性，某些色谱和光谱技术可以通过使用基于ML的方法得到优化，这些特性使得使用传统方法处理具有挑战性。一些常见的例子包括高分辨率液相色谱-质谱联用技术（LC–MS）。研究表明，像卷积神经网络（CNN）和循环神经网络（RNN）这样的ML技术在更高的真实阳性率检测方面远远优于其他技术。

在进行峰检测分析时，ML是您的最佳选择吗？是否考虑过其他人工智能（AI）方法？

我们针对我们的问题应用了传统的峰检测算法，如部分最小二乘判别分析（PLS-DA）和局部加权回归（LWR）。它们的结果反映了在多个峰检测方面的准确度较低，并且需要大量的计算负载。我们还部署了人工神经网络来完成类似的峰检测任务，但它们无法从光谱数据中提取关系，导致了不准确的检测。我们开发的基于卷积神经网络的方法在准确性、计算效率和操作效率方面超越了传统算法以及基于人工神经网络的ML方法。

简要陈述这项研究的发现。

在初始阶段，使用LC–MS区分了mAb的异变体（糖型），揭示了在完整水平上的可辨识峰。为了全面识别在完整水平分析中的每个峰，采用了一种深度学习方法，利用了CNN。使用传统软件进行峰识别时，只有五个峰被检测到，阈值为0.5。CNN模型在同一条件下识别出七个主要峰，许多重叠峰在主峰内，表明了优越的检测能力。CNN模型在0.5阈值的真实阳性率为0.9，概率AUC值为0.9949，结果良好。结果还与一些传统算法如PLS-DA和LWR的峰检测进行了比较，CNN模型在这两个方面都表现出更高的计算效率。

您的发现是否与您的假设相符？

是的，正如所假设的，利用机器学习，特别是CNNs，会提高峰检测的准确性和真实阳性率，相较于传统方法。使用传统软件进行峰识别时，只有五个峰被检测到，阈值为0.5。CNN模型在同一条件下识别出七个主要峰，许多重叠峰在主峰内，表明了优越的检测能力。

有没有什么特别出乎意料的地方？

CNN模型能够准确检测多个重叠峰而不受到噪声影响的能力是出乎意料的。

在您的工作中是否遇到了任何限制或挑战？

本研究的一些限制包括：

如果没有进一步验证，该模型可能不会很好地推广到其他数据集或不同的实验条件。

尽管准确度高，但仍然需要专家验证和解释检测到的峰以确认发现。

CNN可能复杂且难以解释，使得理解特定峰识别背后的原理变得具有挑战性。

在这种类型的分析中，您能推荐哪些最佳实践，无论是仪器参数还是数据分析？

我们推荐的有效数据分析的最佳实践包括：

通过尝试不同的滤波器大小、学习率和批量大小来调整超参数，以获得最佳结果。

为了在计算速度和准确性之间获得最佳平衡，相应地调整CNN架构的层数。

在必要时实施dropout层和正则化技术以避免过拟合。

对于仪器参数，应该关注：

使用熟练的LC系统和柱子有效分离和估算mAb的完整质量。在我们的研究中，我们使用了Agilent 1260 Infinity Bio-inert Quaternary LC系统。

在分析前校准MS色谱图的正离子模式。

将毛细管气体温及其电压以及碎片器的电压设置在最佳水平。

应用精确算法在可用软件中，如Agilent MassHunter定性分析和BioConfirm，用于解卷积MS色谱图。

这项研究的下一步是什么，您是否计划参与改进这项技术？

我们可以探索将CNN与其他AI技术（如分类器）结合使用，以进一步增强检测能力和鲁棒性。开发减少计算负载的策略，如并行处理或将数据集分成较小的区域，使方法更高效和可扩展。

您对AI和ML在色谱和光谱数据分析中的看法是什么？

AI和机器学习可以显著提高色谱和光谱分析结果的可靠性和深度，通过提高准确性、效率和可扩展性。由色谱和光谱技术产生的高维复杂数据集可以通过ML算法轻松处理，提取可能被传统方法遗漏的有意义的特征和模式。

Anurag S. Rathore is a professor in the Department of Chemical Engineering at the Indian Institute of Technology in Delhi, India.

参考文献

1. Nikita, S.; Bhattacharya, S.; Manocha, K.; Rathore, A. S. Deep Learning Framework for Peak Detection at the Intact Level of Therapeutic Proteins. J. Sep. Sci. 2024, 47 (11),139888. DOI: 10.1002/jssc.202400051