Нецелевая метаболомика играет решающую роль в волне точной медицины и открытия биомаркеров. Однако идентификация соединений остается сложной из -за неполноты существующей справочной библиотеки спектра. Чтобы решить эту проблему, Германский федеральный институт исследований и тестирования материалов (BAM) и исследовательская группа из Берлинского университета Берлина совместно разработанной Fiora, нейронной сети с открытым исходным кодом (GNN), предназначенной для моделирования процесса тандемной масс -спектрометрии, чтобы помочь повысить точность распознавания масс -спектрометрии.
Ядро модели Fiora заключается в том, что она использует информацию о местных соседних связях в молекулах для изучения разрыва соединений, тем самым получая вероятность фрагментированных ионов. По сравнению с традиционными алгоритмами фрагментации айсберг и CFM-ID, Fiora отлично справляется с прогнозированием качества и может предсказать другие особенности, такие как время удержания (RT) и поперечное сечение столкновения (CCS). Этот новаторский результат исследования был опубликован в Nature Communications 7 марта 2025 года.
Дизайн Fiora в полной мере использует высокопроизводительные графические процессоры, быстро подтверждает предполагаемые соединения и значительно расширяет спектральную справочную библиотеку с высокими качественными прогнозами. Этот прогресс имеет большое значение для содействия исследованию нецелевой метаболомики, особенно при анализе неизвестных соединений. Исследования в этой области были медленными за последнее десятилетие из-за нехватки высококачественного эталонного спектра. Например, вызов CASMI 2016 года показал, что частота отзыва методов компьютерного моделирования составляла всего 34%, в то время как в 2022 году он не составлял даже 30%. Это показывает срочную необходимость нового решения.
Fiora уникален тем, что может независимо оценивать события диссоциации связи на основе локальной структуры каждого соединения. Этот метод имитирует процесс физической фрагментации в масс -спектрометрии более непосредственно, чем многие существующие алгоритмы. Кроме того, Fiora не только хорошо работает при нацеливании на сходные соединения, но и его способность продвигать незнакомые структуры впечатляет.
Чтобы обеспечить его эффективность, Fiora тестировал на несколько наборов данных, и результаты показали, что медианное сходство между его прогнозируемым масс -спектром и эталонным спектром достигла более 0,8, а в некоторых случаях - на 10-49% выше, чем алгоритм конкуренции. Кроме того, модульный дизайн Fiora позволяет ему гибко адаптироваться к различным прогнозирующим целям, демонстрируя отличную универсальность.
Запуск Fiora не только заполняет пробел в анализе масс -спектрометрии, но и обеспечивает мощный инструмент для будущей идентификации и исследований состава.