科学界曾认为，只要绘制出人类基因组序列图，就能理解疾病的根源，但事实并非如此。
相同的基因每每有不同的表达，比如，人体不同组织器官的基因组是一样的，但是各个组织器官的蛋白质组不完备一样。
中国科学院院士贺福初曾表示，要真正阐释生命，必须从蛋白质组中探求答案。

目前，人类对蛋白质组的研究已经进入单细胞级别，但对付单细胞的研究缺少足够的大规模集成数据库，阻碍了研究职员获取和探索单细胞蛋白质组数据。
腾讯 AI Lab研究职员在最新的论文中基于AI技能，供应了目前环球数据量最大，覆盖技能和数据集最为广泛的单细胞蛋白质数据库，包括133个基于抗体的单细胞蛋白质组数据集，涉及超过3亿个细胞和超过800个标记/表面蛋白质，这个数据库将为人类探索蛋白质组学供应详细的数据参考。

针对单细胞蛋白质组的研究，另一项主要的技能便是精准检测。
准确检测单细胞内部蛋白质组的特色对付疾病筛查具有主要意义，但目前传统的检测技能存在诸多弊端，阻碍了单细胞蛋白质组数据的准确剖析和利用。
针对此，腾讯AI Lab在另一篇论文中，借助AI建模提出了一种新颖的多功能算法scPROTEIN，创造性办理了单细胞蛋白组学数据的分外寻衅。
这一研究成果为基于单细胞蛋白质组的肿瘤发生发展机制研究、药物靶点创造和肿瘤早筛和微环境研究供应主要的AI赞助浸染。

如果说上一篇论文聚焦的是单细胞内部，那么在第3篇论文中，腾讯AI Lab的研究职员聚焦细胞外的组织构造，从更为宏不雅观的角度来剖析特定组织中不同细胞类型（比如肿瘤）的比例，从而更为科学的赞助治疗。
为此，腾讯AI Lab提出一种全新的反卷积方法，在单细胞数据的情形下，从组织蛋白质组数据中挖掘出特定细胞类型比例这一全新信息，从而获取个中的肿瘤微环境信息，助力肿瘤辅诊和预后剖析。

据理解，腾讯AI Lab在AI for Science特殊是生命科学领域深耕数年，具有丰富的知识和技能积累，研究领域包括单细胞多组学、蛋白质构造设计、蛋白质折叠、AI制药、空间组学和免疫组库等，已揭橥scBERT和猕猴大脑图谱等研究成果。
成立于2016年的腾讯AI Lab，以“学术有影响，工业有产出”为目标，已经将AI能力利用在游戏、内容、虚拟人以及医疗、医药、基因打算等多个场景中。

论文链接：

《SPDB: a comprehensive resource and knowledgebase for proteomic data at the single-cell resolution》 入选生物信息学领域数据库方面专业期刊Nucleic Acids Research。

《A Versatile Deep Graph Contrastive Learning Framework for Single-cell Proteomics Embedding》入选Nature旗下方法学专业期刊Nature Methods。

《Deep domain adversarial neural network for the deconvolution of cell type mixtures in tissue proteome profiling》入选Nature旗下机器学习专业期刊Nature Machine Intelligence