이 연구는 AI 모델과 LC-MS를 이용한 단백체 분석이 결합할때 어떤 시너지효과를 창출할 수 있는지에 대한 새로운 돌파구를 제시합니다. LC에서 펩타이드가 언제 나올지(RT), MS에서 어떤 형태의 파편 스펙트럼(MS2)를 예측가능할 때 무수한 검증되지 않은 스펙트럼에서 진양성(true positive) 스펙트럼을 찾을 수 있습니다.이러한 특성 예측 모델은 많은 데이터가 있을때 의미있는 모델을 구축할 수 있습니다. 따라서 희귀한 수식화를 연구할때는 예측 모델의 도움을 받기가 힘듭니다. 이 연구는 거대언어모델(LLM)의 전이학습 기법과 데이터 증강(augmentation) 개념을 활용하여 소규모 데이터로 희귀 수식화 Nt-arginylation의 RT와 MS2 예측 모델을 구축하여 관련 연구의 AI 모델 활용 가능성을 제시합니다. 예측 모델을 바탕으로 표준물질 합성 단계를 생략하여 표적 단백체 분석(targeted proteomics)을 하였고 Nt-arginylation의 스트레스 상황에서의 변화를 통해 발굴된 단백질의 생리적 활성정도를 제시하였습니다.