ShortStop的出现改变了这一局面。该AI工具通过机器学习训练，不仅能够从大型基因数据库中识别出 潜在的smORF，还能预测哪些微蛋白最有可能具备生物学相关性，从而显著提高研究效率。其核心创 新在于采用双类别排序系统：通过将真实发现的smORF与计算机生成的随机"诱饵"序列进行比较， ShortStop能够快速评估新发现的smORF是否可能具有功能性，从而优先筛选出值得深入研究的候选 者。 团队将ShortStop应用于已发布的smORF数据集后，发现约8%的序列可能编码功能性微蛋白，并已将其 列为优先验证目标。该工具还能识别出以往方法遗漏的微蛋白，包括在人体细胞和组织中实际表达的种 类。尤为重要的是，它可直接利用广泛存在的RNA测序数据，这意味着许多实验室无需额外实验即可 开展微蛋白研究。 美国索尔克研究所开发出一种名为ShortStop的机器学习框架，用于探索以往"被忽视的DNA区域"，寻 找在疾病中发挥关键作用的微蛋白。相关研究发表在最新一期《BMC方法学》上。 这些微蛋白是蛋白质家族中的小型成员，其组成氨基酸通常少于150个，因此难以通过传统蛋白质分析 方法检测。长期以来，它们隐藏在基因组中被视为 ...