华盛顿大学研究人员开发了Casanovo机器学习模型，可将质谱中的峰序列转换为肽序列。使用Transformer神经网络架构，在3000万个标记光谱上进行了训练。Casanovo在跨物种基准数据集上表现优于其他方法，并改善了免疫肽组学和宏蛋白质组学实验的分析。研究发表在《Nature Communications》上。Casanovo还可用于抗体测序和其他应用。未来计划对Casanovo进行微调以适应不同的裂解酶。