一种基于非自回归Transformer和对偶学习的肽从头测序模型

一种基于非自回归Transformer和对偶学习的肽从头测序模型。包括以下步骤：步骤一：通过多尺度处理对原始质谱数据进行不同分辨率的分割；步骤二：利用Transformer编码器的自注意力机制提取原始质谱的潜在特征；步骤三：基于原始质谱的潜在特征和肽前体信息，使用非自回归的Transformer解码器并行推断肽序列；步骤四：使用对偶学习的范式，通过Transformer编码器，根据生成的肽序列重建质谱数据。该模型的训练目标是最小化肽序列的负对数似然损失和质谱重建损失。与现有技术相比，本发明能够更好地捕捉质谱数据中的全局和局部特征，显著提高质谱到肽序列的预测准确性，同时提高模型的推理速度。该模型适用于大规模质谱数据分析，具有高效计算和良好的泛化性能。