Efficient Peptide MRM Transition Prediction via Convolutional Hashing
Adàlia, Ramon (Universitat Autònoma de Barcelona)
Sanjuan Gómez, Gemma (Universitat Autònoma de Barcelona)
Margalef, Tomàs (Universitat Autònoma de Barcelona)
Zamora, Ismael (Lead Molecular Design, S.L.)

Publicació:	Cham, Switzerland : Springer, 2025
Descripció:	8 pàg.
Resum:	We present a novel method for predicting multiple reaction monitoring (MRM) transitions for peptides in targeted proteomics. Our approach employs a hash-based representation inspired by convolutional neural networks, efficiently encoding peptide fragments as sparse count vectors that capture local sequence context. Using gradient-boosted decision trees, our method achieves mean Hits@5 scores of 3. 4318 (hash-based) and 3. 5405 (hybrid model with target frequency), significantly outperforming baselines. Transpiling trained models into Zig enables exceptional computational efficiency, with low memory usage (1180 kB) and a throughput of 388-451 peptides/second even on mobile devices, enabling lightweight, high-speed processing for scalable peptide MRM transition prediction in high-throughput proteomics workflows.
Ajuts:	Generalitat de Catalunya 2023-DI-00006
Drets:	Aquest material està protegit per drets d'autor i/o drets afins. Podeu utilitzar aquest material en funció del que permet la legislació de drets d'autor i drets afins d'aplicació al vostre cas. Per a d'altres usos heu d'obtenir permís del(s) titular(s) de drets.
Llengua:	Anglès
Col·lecció:	Lecture notes in computer science ; 15906
Document:	Capítol de llibre ; recerca ; Versió acceptada per publicar
Matèria:	Edge computing ; MRM transitions ; Peptide quantification
Publicat a:	Computational Science - ICCS 2025: 25th International Conference, Singapore, Singapore, July 7-9, 2025, Proceedings, Part IV, 2025, p. 19-26, ISBN 978-3-031-97635-3

DOI: 10.1007/978-3-031-97635-3_3

15 p, 483.1 KB

Disponible a partir de: 2026-07-31 Postprint

El registre apareix a les col·leccions:
Llibres i col·leccions > Capítols de llibres