DFlowNovo De Novo Peptide Sequencing

DFlowNovo De Novo Peptide Sequencing

用流匹配模型从串联质谱文件预测肽段序列，返回计算质量和置信度分数，结果可以保存为 CSV 或 TSV。适合蛋白质组学研究者。

由 joelinator 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：DFlowNovo 是 joelinator 发布在 Hugging Face Space 上的一个 Gradio 应用。它读取串联质谱（MS/MS）的谱图文件，预测谱图背后的肽段序列，并给出计算质量和置信度分数。它在离散状态上做流匹配，建立在连续时间马尔可夫链之上，可以并行、快速地解码氨基酸。

适合谁：适合处理 MS/MS 谱图的蛋白质组学研究者和学生，也适合想阅读或运行一个基于模型的测序演示的生物信息学开发者。

行业 | 谁在用 | 怎么用 | 例子
蛋白质组学 | 质谱研究者 | 上传 .mgf 或 .mgz 谱图文件，运行测序 | 为自己的谱图得到带质量和置信度分数的肽段预测
生物信息学 | 方法开发者 | 用不同的模型检查点运行同一个文件 | 在同一个文件上比较生产检查点和 PTM 扩展检查点
教育 | 学生 | 试用内置的示例谱图 | 点一下示例，再阅读预测表

如果你需要通用的蛋白质工具，可以跳过它，因为它只接受质谱文件。

用在哪里：DFlowNovo 可以在这些地方运行。

• 网页浏览器：打开它在 Hugging Face 上的 Space 页面
• Windows、macOS 或 Linux 上的 Python：运行 Space 的一份副本

用途 | 谁用 | 能得到什么
给谱图文件测序 | 蛋白质组学研究者 | 带计算质量和置信度分数的肽段预测
快速测试 | 新手 | 内置示例谱图的结果，不需要自己的文件
导出结果 | 分析人员 | 预测结果的 CSV 或 TSV 文件

如何设置：在线使用只需要一个浏览器。想放一份本地副本，要先准备几样东西。

• 在线 Space 需要一个网页浏览器
• 本地副本需要 Windows、macOS 或 Linux 上的 Python
• requirements.txt 里列出的 Python 包

1. 用 pip 安装 Hugging Face hub 库。
2. 把这个 Space 的文件下载到名为 dflow-novo 的文件夹里。
3. 进入这个文件夹。
4. 安装 Space 使用的那个版本的 Gradio。
5. 安装 requirements.txt 里列出的包。
6. 用 Python 启动应用。

pip install -U huggingface_hub
hf download joelinator/dflow-novo --repo-type space --local-dir dflow-novo
cd dflow-novo
pip install gradio==5.50.0
pip install -r requirements.txt
python app.py

如何使用：在线使用时，打开 Space 页面，上传 .mgz、.mgf、.gz 或 .txt 格式的谱图文件，或者使用内置的示例。选一个模型检查点，点 Run De Novo Sequencing，然后下载结果。在自己的电脑上，就在这个文件夹里用下面的命令启动应用。

python app.py

工具 | 作用
Upload Spectrum File | 接收 .mgz、.mgf、.gz 或 .txt 格式的质谱文件
Clickable Example (.mgz) | 载入内置的示例谱图，用于快速测试
Select Model Checkpoint | 在三个检查点里选一个：生产版、MassIVE-KB 预训练版或 PTM 扩展版
Run De Novo Sequencing | 生成肽段预测、计算质量和置信度分数
Download | 把结果保存为 CSV 或 TSV 文件
python app.py | 从主文件启动 Gradio 应用

示例：你打开这个 Space，点内置的示例谱图，选生产检查点，再点 Run De Novo Sequencing。页面返回带计算质量和置信度分数的肽段预测，你可以把它们保存成 CSV 或 TSV。

新手与专家：如果你是新手，先点内置的示例，运行一下，读读返回的表。它列出肽段预测、计算质量和置信度分数。示例看懂之后，再试你自己的文件。

如果你熟悉这个领域，解码在离散的氨基酸状态之间并行进行，精确的动态规划提供可达性约束。这个 Space 提供三个检查点。一个是标注为 HC-PT 加九个物种的生产模型，一个是在 MassIVE-KB 人类数据上预训练、规模为 28M 的模型，还有一个带有翻译后修饰扩展词表。

你上传谱图文件或选择示例
你选一个模型检查点
模型并行解码肽段
你阅读结果并下载 CSV 或 TSV

注意事项：这个 Space 是一个模型演示，所以请把预测结果当作研究输出来看待。

• Models: facebook/esm2_t6_8M_UR50D 和 joelinator/dflow-novo-model
• Datasets: chrisagrams/massive_kb_v1_shuffled 和 InstaDeepAI/ms_proteometools
• Origin: 页面引用了 AIMS South Africa 的一篇 2026 年硕士论文
• Version: Gradio 5.50.0
• Size: 仓库里有 43 个文件
• License: apache-2
• Cost to run: 没有提到
• Data it reaches: 你上传的谱图文件和它提到的模型，没有提到别的
• Not for: 没有提到禁止的用途

Hugging Face 上的数据（2026年11月13日）

• 点赞：1
• 构建方式：gradio
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/joelinator/dflow-novo
• 文件：https://huggingface.co/spaces/joelinator/dflow-novo/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。