В статье представлен новый метод π-MNovo, основанный на глубоком обучении, для de novo секвенирования пептидов в метопротеомике. Авторы отмечают, что существующие модели ИИ часто обучаются на данных немикробных протеом, что снижает их эффективность для анализа микробных сообществ. Для решения этой проблемы создана специализированная база данных, включающая более 10 миллионов аннотированных тандемных масс-спектров от 72 культуральных изолятов микроорганизмов. Модель π-MNovo использует адаптацию к микробным спектрам и алгоритм выбора кандидатов, основанный на доказательствах, для повышения точности определения полных последовательностей пептидов. В независимом бенчмарке из семи видов модель показала полноту распознавания (recall) на уровне 66,30%, превзойдя четыре опубликованные модели на 6,9–21,7%. Применение метода к двум независимым наборам данных метопротеомики увеличило таксономическое покрытие, а анализ синтетических сообществ подтвердил точность количественной оценки. Кроме того, из спектров, ранее не идентифицированных стандартными инструментами, π-MNovo восстановил 1587 новых пептидов, соответствующих справочным базам. Результаты демонстрируют, что ИИ-подход существенно расширяет возможности извлечения биологической информации из сложных микробных проб.