基于四维（4D）数据非依赖性采集（DIA）的蛋白质组学是一项前景广阔的技术。然而，由于构建特定项目实验库耗时且覆盖范围有限，该技术的性能受到了极大的限制。因此，我们课题组开发了一种基于自注意力机制的多功能深度学习模型Deep4D，它能高精度地预测未修饰肽和磷酸化肽的碰撞截面、保留时间、碎片离子强度和电荷状态，从而建立了基于多维预测的高覆盖度4D-DIA蛋白质组学和磷酸化蛋白质组学的完整工作流程。以 HeLa 细胞为例，我们建立了一个包含 200 万个肽段的 4D 预测库，可实现无实验库的 DIA 分析，与使用单次测量的实验库相比，可以多鉴定出 33% 的蛋白质。这些结果显示了便捷的高覆盖度 4D-DIA 蛋白质组学方法的巨大价值。

      该工作已发表于美国化学会期刊《Analytical Chemistry》上，论文链接：https://pubs.acs.org/doi/full/10.1021/acs.analchem.2c05414。