Logo
홈페이지
모델 살펴보기
장바구니
연락처
구독하기
연구 모델
모델 라이브러리
Mouseatlas 모델 라이브러리
세포주 모델 카탈로그
Knockout 세포주 제품 카탈로그
유도만능줄기세포(iPSC) 카탈로그
Point Mutation 세포주 제품 카탈로그
과발현세포주 제품 카탈로그
종양 세포주 제품 카탈로그
리포터 세포주 제품 카탈로그
OriCell (세포 배양 제품)
AAV 표준 제품 카탈로그
연구용 마우스 모델
인간화 마우스 모델
HUGO-GT™
HUGO-Ab™
인간화 타겟 유전자 질환 모델
인간화 면역계 마우스 모델
Tool Mice
Cre 마우스 모델
질환 모델
자가면역 질환 모델
안구 질환 모델
면역결핍 마우스 모델
대사 질환 모델
신경질환 모델
종양 및 면역 함암 모델
맞춤형 모델 제작
모델 제작 기술
Turboknockout™ 유전자 타겟팅
Cre-ESCs 유전자 타겟팅
타겟 유전자 편집
Transgenic 모델 제작
PiggyBac Transgenesis
BAC Transgenic
유전자 변형 동물
Knockout 마우스
Transgenic 마우스
Knock-in 마우스
Knockout Rat
Knock-in(KI) Rat
Transgenic Rat
브리딩 및 지원 서비스
브리딩 서비스
동결 보존 및 복원
Phenotyping 서비스
BAC 변형 서비스
맞춤형 세포주 서비스
유도만능줄기세포(iPSCs)
Knockout(KO) 세포주
Knock-in(KI) 세포주
Point Mutation 세포주
과발현 세포주
바이러스 패키징
AAV 패키징
아데노바이러스(Adenovirus) 패키징
렌티바이러스(Lentivirus) 패키징
전임상 연구지원
항체 발굴 플랫폼
HUGO-Mab™
HUGO-Light™
HUGO-Nano™
HUGO-Ab-eKO™
치료 영역
신경 질환
알즈하이머병(AD)
파킨슨병(PD)
헌팅턴병(HD)
혈액-뇌 장벽(BBB)
신경병증성 통증
대사 및 심혈관 질환
비만
안과 질환
녹내장
연령관련 황반변성(AMD)
망막 관련 질환
암·종양
PBMC 인간화 마우스 모델
인간 면역 시스템(HIS) 마우스 모델
자가면역 및 염증
천식
신약 개발 모달리티
치료용 항체 의약품
단일클론 항체 (mAb)
이중특이성 항체 (BsAb)
ADC/AOC
AI 기반 AAV 신약 개발
세포 면역치료
유전자 치료
올리고핵산(Oligonucleotide) 치료제
완전 인간 항체 라이브러리
신경질환 항체
암·종양 항체
면역·염증 질환 항체
안과 질환 항체
대사·심혈관 질환 항체
Resource
프로모션
이벤트 및 웨비나
뉴스
블로그 및 인사이트
자료실
인용 논문
참고 데이터베이스
희귀질환 데이터센터
AbSeek
Cell iGeneEditor™ System
최신 연구 동향
회사 소개
회사 소개
시설 개요
동물 건강 및 복지
건강 보고서
대리점
인재채용
문의하기
Login
홈>첨단 연구 속보>단백체학 AI 시대를 여는 35 종 15 억 스펙트럼 대규모 데이터셋 MassNet 과 XuanjiNovo

단백체학 AI 시대를 여는 35 종 15 억 스펙트럼 대규모 데이터셋 MassNet 과 XuanjiNovo

연구 분야로 찾기
2026.11.15
단백체학AI 심층 학습질량 분석de novo 시퀀싱MassNet

Contents

01.연구 배경과 미해결 과제
02.이 논문에서 밝혀진 핵심 내용
03.연구 설계와 기술적 포인트
04.질환 연구 및 신약 개발에 대한 시사점
05.전임상 모델 및 연구 도구와의 연관성
06.정리

01. 연구 배경과 미해결 과제

질량 분석 (MS) 기반 단백질체학은 다양한 생물학적 및 질환 문맥에서 프로테옴의 특성 평가를 위해 널리 사용됩니다. 그러나 심층 학습의 발전에는 대규모이고 고품질이며 표준화된 데이터 자원이 필수적입니다. 기존 스펙트럼 라이브러리는 인간 중심 데이터에 편향되어 있으며, 마우스, 선충, 효모 등 중요한 모델 생물의 데이터가 부족합니다. 또한 데이터 형식의 비표준화와 메타데이터 부재가 대규모 AI 분석의 장벽이 되었습니다.

02. 이 논문에서 밝혀진 핵심 내용

본 연구는 35 종 (동물, 식물, 미생물) 에 걸친 15 억 개의 탠덤 질량 스펙트럼을 포함하는 AI 대응 데이터셋 'MassNet'을 공개했습니다. 이 데이터셋에는 약 170 만 개의 인간 유래 펩타이드 전구체도 포함되어 있습니다. 또한 MassNet 을 기반으로 개발된 비자기회귀형 트랜스포머 모델 'XuanjiNovo'는 최신 심층 학습 기법을 능가하는 성능을 보였습니다. 특히, 인간 Astral 데이터에서 기존 최첨단 기법 대비 38.35% 에서 143.57% 의 성능 향상을 달성했습니다.

03. 연구 설계와 기술적 포인트

MassNet 은 648 개의 프로젝트에서 수집된 약 30TB 의 원시 데이터로부터 제작되었으며, FragPipe 와 Sage 라는 두 가지 검색 엔진의 분석 결과를 통합했습니다. 데이터 저장에는 심층 학습에 최적화된 새로운 형식인 'MSDT(Mass Spectrometry DDA Tensor)'를 채택하여 효율적인 입출력과 표준화를 가능하게 했습니다. XuanjiNovo 개발에는 학습 난이도를 단계적으로 높이는 '커리큘럼 학습' 전략과 비자기회귀형 트랜스포머 (NAT) 아키텍처가 결합되었습니다. 이를 통해 복잡한 스펙트럼 데이터로부터의 펩타이드 서열 결정의 안정성과 정확도가 크게 향상되었습니다.

  • 35 종 15 억 스펙트럼을 포함하는 대규모 AI 대응 데이터셋 MassNet 구축
  • 심층 학습용 표준화 형식 MSDT 개발 및 Parquet 형식을 통한 효율적 저장
  • 커리큘럼 학습과 비자기회귀형 트랜스포머를 융합한 XuanjiNovo 모델 구현

04. 질환 연구 및 신약 개발에 대한 시사점

MassNet 과 XuanjiNovo 는 신규 펩타이드 서열 결정 정확도 향상뿐만 아니라, 유지 시간 예측 및 PSM(펩타이드 - 스펙트럼 매칭) 재스코어링에도 적용 가능합니다. 특히 동위 원자 질량이 근접한 아미노산 식별 정확도가 향상된 것은 번역 후 변형 동정 및 저농도 샘플 분석에서 중요합니다. 이는 질환 바이오마커 발견 및 약물 타겟 확인이 필요한 신약 개발 초기 단계에서의 전임상 연구 효율화와 신뢰성 향상에 직결됩니다.

05. 전임상 모델 및 연구 도구와의 연관성

MassNet 은 마우스, Rat, 제브라피시, 효모 등 신약 개발 연구에서 빈번히 사용되는 모델 생물의 데이터를 포함하고 있어, 이러한 생물종에서의 단백질 발현 분석 AI 화를 가속화합니다. 고정밀 프로테옴 분석은 유전자 편집 마우스 모델이나 세포 모델 을 활용한 기능 분석을 보완하여, 유전자 변이의 영향 및 약물 반응 메커니즘 해명에 필수적입니다. Cyagen 이 제공하는 다양한 유전자 편집 모델 및 CRO 서비스와 결합하면 보다 포괄적인 신약 데이터 분석이 가능해집니다.

06. 정리

MassNet 은 자연어 처리 분야의 WordNet 이나 ImageNet 에 해당하는 단백질체학 분야의 획기적인 기반 데이터 자원입니다. 대규모이고 표준화된 데이터와 고성능 AI 모델의 결합은 단백질체 분석의 새로운 기준을 확립하고, 복잡한 질환 메커니즘 해명 및 신약 개발 프로세스 혁신을 뒷받침합니다.

첨단 연구를 위한 유전자 편집 동물 모델
첨단 연구를 위한 유전자 편집 동물 모델
유전자 기능 연구, 질환 모델링 및 치료제 개발을 위해 고품질 Knockout(KO), Knock-in(KI) 및 Transgenic 마우스와 Rat을 활용해 보세요. 전 세계 연구자들이 신뢰하는…
보러가기
AI 기반 CNS 및 안과용 유전자 치료를 위한 AAV 발굴
AI 기반 CNS 및 안과용 유전자 치료를 위한 AAV 발굴
AI 기반 캡시드 설계 및 in vivo 검증을 통해 AAV 벡터 개발을 가속화해 보세요. 정밀한 CNS 타겟팅, Off-타겟 효과 감소, 향상된 망막 발현을 통해 첨단 유전자 치료 연구를…
보러가기

FAQ

MassNet 데이터셋에 포함된 생물종은 무엇입니까?
MassNet 에는 동물, 식물, 미생물을 포함하는 35 종 이상의 생물종 데이터가 포함되어 있으며, 인간, 마우스, Rat, 효모, 대장균 등 신약 개발 연구에서 중요한 모델 생물도 다수 커버하고 있습니다.
XuanjiNovo 모델의 주요 장점은 무엇입니까?
XuanjiNovo 는 커리큘럼 학습과 비자기회귀형 트랜스포머를 채택함으로써 기존 기법보다 높은 정확도로 펩타이드 서열을 결정할 수 있으며, 특히 동위 원자 질량이 가까운 아미노산 식별이나 저품질 스펙트럼에서의 분석에 뛰어납니다.
이 연구는 신약 개발에 어떻게 도움이 됩니까?
고정밀 프로테옴 분석을 통해 신규 바이오마커 발견 및 약물 타겟 확인이 효율화되어, 신약 개발 초기 단계의 타겟 검증 및 메커니즘 해명을 지원합니다.
논문 정보
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
공유
Top
모델 라이브러리
모델 라이브러리
리소스
리소스
동물 품질
동물 품질
고객 지원
고객 지원
주소:
2255 Martin Avenue, Suite E Santa Clara, CA 95050-2709, US
전화:
800-921-8930 (8-6pm PST)
+1408-963-0306 (lnt’l)
팩스:
408-969-0336
이메일:
[email protected]
연구 모델 제작
HUGO-GT™HUGO-Ab™MouseAtlas 모델 라이브러리iPSC 세포주AAV 표준 제품
신약 연구·개발 지원
종양학신경 질환면역·염증안과 질환대사·심혈관 질환
회사 소개
회사 소개시설 개요동물 건강 및 복지건강 보고서대리점인재체용문의하기
소셜 미디어
면책 조항: Cyagen의 제품 및 서비스 가격과 제공 여부는 지역에 따라 다를 수 있습니다. 명표시된 가격은 특정 국가에만 적용됩니다. 자세한 내용은 Cyagen으로 문의해 주시기 바랍니다.
Copyright © 2026 Cyagen. All rights reserved.
개인정보 처리방침
사이트 맵
Cyagen 최신 소식 받아보기
연구 모델, CRO 서비스, 과학 자료 및 특별 혜택에 대한 최신 소식을 연구 니즈에 맞춰 이메일로 받아보세요.
성명
이메일
조직
관심 분야
주요 연구 분야