เมแทบอลิซึมที่ไม่ได้กำหนดเป้าหมายมีบทบาทสำคัญในคลื่นของการแพทย์ที่มีความแม่นยำและการค้นพบทางชีวภาพ อย่างไรก็ตามการระบุสารประกอบยังคงมีความท้าทายเนื่องจากความไม่สมบูรณ์ของไลบรารีอ้างอิงสเปกตรัมที่มีอยู่ เพื่อแก้ปัญหานี้สถาบันวิจัยและการทดสอบวัสดุของรัฐบาลกลางเยอรมัน (BAM) และทีมวิจัยจาก Free University of Berlin ได้พัฒนา Fiora ซึ่งเป็นเครือข่ายระบบประสาทของกราฟโอเพ่นซอร์ส (GNN) ที่ออกแบบมาเพื่อจำลองกระบวนการของสเปกโตรเมตรีมวลชน
แกนกลางของโมเดล Fiora คือใช้ข้อมูลพื้นที่ใกล้เคียงในท้องถิ่นของพันธะในโมเลกุลเพื่อเรียนรู้รูปแบบการแตกหักของสารประกอบซึ่งจะทำให้เกิดความน่าจะเป็นของไอออนที่กระจัดกระจาย เมื่อเปรียบเทียบกับอัลกอริทึมการกระจายตัวแบบดั้งเดิม Iceberg และ CFM-ID Fiora ทำงานได้อย่างยอดเยี่ยมในการทำนายคุณภาพและสามารถทำนายคุณสมบัติอื่น ๆ เช่นเวลาเก็บรักษา (RT) และการชนชั้นกลาง (CCS) ผลการวิจัยบุกเบิกนี้ได้รับการตีพิมพ์ใน Nature Communications เมื่อวันที่ 7 มีนาคม 2568
การออกแบบของ Fiora ใช้ประโยชน์จาก GPU ที่มีประสิทธิภาพสูงตรวจสอบความถูกต้องของคำอธิบายประกอบสารประกอบสมมุติอย่างรวดเร็วและขยายไลบรารีอ้างอิงสเปกตรัมอย่างมีนัยสำคัญด้วยการคาดการณ์คุณภาพสูง ความคืบหน้านี้มีความสำคัญอย่างยิ่งในการส่งเสริมการวิจัยเกี่ยวกับเมแทบอลิซึมที่ไม่ได้กำหนดเป้าหมายโดยเฉพาะอย่างยิ่งเมื่อวิเคราะห์สารประกอบที่ไม่รู้จัก การวิจัยในสาขานี้ช้าในทศวรรษที่ผ่านมาเนื่องจากความขาดแคลนของสเปกตรัมอ้างอิงคุณภาพสูง ตัวอย่างเช่น CASMI Challenge 2016 แสดงให้เห็นว่าอัตราการเรียกคืนของวิธีการจำลองคอมพิวเตอร์มีเพียง 34% ในขณะที่มันไม่ได้เป็น 30% ในปี 2022 นี่แสดงให้เห็นถึงความต้องการเร่งด่วนสำหรับโซลูชันใหม่
Fiora มีความโดดเด่นในการที่สามารถประเมินเหตุการณ์การแยกตัวของพันธบัตรได้อย่างอิสระตามโครงสร้างท้องถิ่นของแต่ละสารประกอบ วิธีนี้จำลองกระบวนการกระจายตัวทางกายภาพในมวลสารโดยตรงมากกว่าอัลกอริทึมที่มีอยู่จำนวนมาก นอกจากนี้ Fiora ไม่เพียง แต่ทำงานได้ดีเมื่อกำหนดเป้าหมายสารประกอบที่คล้ายกัน แต่ยังรวมถึงความสามารถในการส่งเสริมโครงสร้างที่ไม่คุ้นเคยนั้นน่าประทับใจ
เพื่อให้แน่ใจว่าประสิทธิภาพของมัน Fiora ได้ทำการทดสอบชุดข้อมูลหลายชุดและผลการวิจัยพบว่าความคล้ายคลึงกันเฉลี่ยระหว่างสเปกตรัมมวลที่คาดการณ์ไว้และสเปกตรัมอ้างอิงถึงมากกว่า 0.8 และในบางกรณี 10% ถึง 49% สูงกว่าอัลกอริทึมการแข่งขัน นอกจากนี้การออกแบบแบบแยกส่วนของ Fiora ช่วยให้สามารถปรับตัวให้เข้ากับเป้าหมายการทำนายที่แตกต่างกันได้อย่างยืดหยุ่นแสดงให้เห็นถึงความเก่งกาจที่ยอดเยี่ยม
การเปิดตัว Fiora ไม่เพียง แต่เติมเต็มช่องว่างในการวิเคราะห์แมสสเปกโตรเมตรีเท่านั้น แต่ยังเป็นเครื่องมือที่ทรงพลังสำหรับการระบุและการวิจัยในอนาคต