Die nicht zielgerichtete Metabolomik spielt eine entscheidende Rolle bei der Welle der Präzisionsmedizin und der Entdeckung von Biomarkern. Die Identifizierung von Verbindungen bleibt jedoch aufgrund der Unvollständigkeit der vorhandenen Spektrum -Referenzbibliothek eine Herausforderung. Um dieses Problem zu lösen, entwickelte das Deutsche Federal Institute of Materials Research and Testing (BAM) und ein Forschungsteam der freien Universität Berlin gemeinsam Fiora, ein Open -Source -Graph -Neural Network (GNN), das den Prozess der Tandem -Massenspektrometrie zur Verbesserung der Genauigkeit der Massenspektrometrie -Erkennung simuliert.
Der Kern des Fiora -Modells besteht darin, dass es lokale Nachbarschaftsinformationen von Bindungen in Molekülen verwendet, um die Bruchmuster von Verbindungen zu lernen, wodurch die Wahrscheinlichkeit fragmentierter Ionen abgeleitet wird. Im Vergleich zu den traditionellen Fragmentierungsalgorithmen Iceberg und CFM-ID bietet Fiora eine hervorragende Qualitätsvorhersage und kann andere Merkmale wie Retentionszeit (RT) und Kollisionsquerschnitt (CCS) vorhersagen. Dieses wegweisende Forschungsergebnis wurde am 7. März 2025 in Nature Communications veröffentlicht.
Das Design von Fiora nutzt den Hochleistungs-GPUs voll aus, validiert mutmaßliche zusammengesetzte Annotationen schnell und erweitert die Spektralreferenzbibliothek erheblich mit hochwertigen Vorhersagen. Dieser Fortschritt ist von großer Bedeutung, um die Forschung zu nicht zielgerichteten Metabolomik zu fördern, insbesondere bei der Analyse unbekannter Verbindungen. Die Forschung in diesem Bereich war in den letzten zehn Jahren aufgrund der Mangel an hochwertigem Referenzspektrum langsam. Zum Beispiel zeigte die Casmi -Herausforderung 2016, dass die Rückrufrate der Computersimulationsmethoden nur 34% betrug, während sie im Jahr 2022 nicht einmal 30% betrug. Dies zeigt den dringenden Bedarf an einer neuen Lösung.
Fiora ist insofern einzigartig, als es unabhängig voneinander die Bindungsdissoziationsereignisse auf der Grundlage der lokalen Struktur jeder Verbindung bewerten kann. Diese Methode simuliert den physikalischen Fragmentierungsprozess in Massenspektrometrie direkter als viele vorhandene Algorithmen. Darüber hinaus spielt Fiora nicht nur eine gute Leistung, wenn sie ähnliche Verbindungen abzielen, sondern auch seine Fähigkeit, unbekannte Strukturen zu fördern, ist beeindruckend.
Um seine Wirksamkeit zu gewährleisten, testete Fiora an mehreren Datensätzen und die Ergebnisse zeigten, dass die mediane Ähnlichkeit zwischen seinen vorhergesagten Massenspektren und dem Referenzspektrum mehr als 0,8 und in einigen Fällen 10% bis 49% höher erreichte als der Wettbewerbsalgorithmus. Darüber hinaus ermöglicht es das modulare Design von Fiora, sich flexibel an verschiedene Vorhersageziele anzupassen und eine hervorragende Vielseitigkeit zu zeigen.
Der Start von Fiora füllt nicht nur die Lücke in der Massenspektrometrieanalyse, sondern bietet auch ein leistungsstarkes Instrument für zukünftige Identifizierung und Forschung mit Verbindungen.