비 표적화 된 대사체는 정밀 의학 및 바이오 마커 발견의 물결에 중요한 역할을합니다. 그러나, 기존 스펙트럼 참조 라이브러리의 불완전 성으로 인해 화합물의 식별은 여전히 어려운 일이다. 이 문제를 해결하기 위해 독일 연방 재료 연구 및 테스트 (BAM)와 베를린 무료 대학교 (Free University of Berlin)의 리서치 팀은 탠덤 질량 분석 과정을 시뮬레이션하기 위해 설계된 오픈 소스 그래프 신경망 (GNN) 인 Fiora를 공동으로 개발했습니다.
FiORA 모델의 핵심은 분자에서 결합의 지역 이웃 정보를 사용하여 화합물의 파괴 패턴을 배우고, 이온화 된 이온의 확률을 도출한다는 것이다. 기존의 조각화 알고리즘과 비교하여 빙산 및 CFM-ID와 비교할 때, Fiora는 품질 예측에서 우수한 성능을 발휘하며 보유 시간 (RT) 및 충돌 단면 (CCS)과 같은 다른 기능을 예측할 수 있습니다. 이 선구적인 연구 결과는 2025 년 3 월 7 일 Nature Communications에 발표되었습니다.
Fiora의 설계는 고성능 GPU를 최대한 활용하고, 추정 화합물 주석을 신속하게 검증하며, 고품질 예측으로 스펙트럼 참조 라이브러리를 크게 확장합니다. 이러한 진보는 특히 알려지지 않은 화합물을 분석 할 때 비 표적화 된 대사체에 대한 연구를 촉진하는 데 큰 의미가 있습니다. 이 분야의 연구는 지난 10 년 동안 고품질 기준 스펙트럼의 부족으로 인해 느려졌습니다. 예를 들어, 2016 CASMI 챌린지는 컴퓨터 시뮬레이션 방법의 리콜 속도가 34%에 불과한 반면 2022 년에는 30%가 아니 었습니다. 이는 새로운 솔루션에 대한 긴급한 필요성을 보여줍니다.
Fiora는 각 화합물의 국소 구조에 기초하여 결합 분리 사건을 독립적으로 평가할 수 있다는 점에서 독특하다. 이 방법은 질량 분석법의 물리적 조각화 프로세스를 기존 알고리즘보다 직접적으로 시뮬레이션합니다. 또한, Fiora는 유사한 화합물을 표적화 할 때 잘 수행 할뿐만 아니라 익숙하지 않은 구조를 촉진하는 능력도 인상적입니다.
그 효과를 보장하기 위해 FiORA는 여러 데이터 세트에서 테스트했으며 결과는 예측 된 질량 스펙트럼과 기준 스펙트럼 사이의 중간 유사성이 경쟁 알고리즘보다 10% ~ 49% 더 높은 것으로 예측 된 질량 스펙트럼과 기준 스펙트럼 사이의 중간 유사성을 보여주었습니다. 또한 Fiora의 모듈 식 디자인을 사용하면 다양한 예측 목표에 유연하게 적응하여 탁월한 다양성을 보여줍니다.
FiORA의 출시는 질량 분석법 분석의 격차를 메울뿐만 아니라 향후 복합 식별 및 연구를위한 강력한 도구를 제공합니다.