《Nature Communications》：Deriving three one dimensional NMR spectra from a single experiment through machine learning
编辑推荐：
为破解高通量代谢组学中多谱图采集耗时费资源的瓶颈，研究团队训练快速偏最小二乘（PLS）回归模型，仅输入1D NOESY即可精准预测CPMG、Diffusion-edited及pJRES谱。独立测试集验证显示R最高达0.998，AUC维持0.78–0.79，实现“一谱代三谱”的快速分析新范式。
在代谢组学实验室里，科研人员常把核磁共振（NMR）比作“液体活检的听诊器”：无需破坏样本，就能同时捕捉小分子代谢物、脂蛋白和蛋白质的“合奏”。然而，这场“交响乐”若想听清每个声部，需要连续演奏多段乐章——NOESY、CPMG、扩散编辑、J-resolved，每一段都占用宝贵的磁体时间。面对动辄数千例样本的高通量队列，扫描时长、匀场稳定、耗材与人力成本像四座大山，压在研究者心头。更棘手的是，不同实验揭示的化学信息互补：NOESY“一网打尽”，却峰峦重叠；CPMG屏蔽大分子，却可能残留“背景鼓点”；扩散编辑突出脂质“低音”，却牺牲小代谢物“高音”；J-resolved把重叠峰拆成“双声道”，却需要二维采集与漫长的投影计算。能否只采一条自由感应衰减（FID），就让算法自动“分轨”输出其余三条谱图？带着这一疑问，Alessia Vignoli、Stefano Cacciatore与Leonardo Tenori团队设计了名为“一谱三用”的机器学习框架，成果发表于《Nature Communications》。
作者整合来自18个招募中心、涵盖重度肥胖（MTBLS242）、急性心肌梗死（MTBLS395）及乳腺癌（MTBLS424）的1842份血清样本，建立训练-验证-独立测试三级队列。核心思路是用快速偏最小二乘（fast PLS）回归，将0.001 ppm桶化后的1D NOESY谱（X矩阵，13000变量）直接映射至CPMG、扩散编辑及pJRES谱（Y矩阵，85065、28355、12780数据点）。为克服大矩阵运算瓶颈，采用奇异值分解-隐式重启Lanczos双对角化（IRLBA）单次求解，250、165、180个成分即完成训练，耗时仅百秒级。预测后的谱图以Bruker格式输出，可直接导入TopSpin、Mnova、Chenomx等主流代谢组学软件。研究还遵循多中心标准化建议：统一采用600 MHz低温探头、310 K恒温、δ 5.24 ppm葡萄糖双峰校准，并剔除水峰、污染物等低质量文件，最终保留1753份高质量谱图。
研究结果分三部分呈现。其一，“计算管线可行性”显示：在独立测试集（n=232）中，CPMG、扩散编辑及pJRES的预测中位相对误差（MRE%）分别为5.97、3.80、12.6，R依次为0.995、0.998、0.968，性能偏差比（RPD）均高于5，表明模型稳健。其二，“代谢物定量准确性”通过人工积分20种代表性代谢物信号验证：15种相关系数r>0.90，仅低强度甲酸（formate）降至0.51，整体证明预测谱可用于半定量。其三，“临床指纹一致性”以急性心肌梗死两年死亡风险为场景，用随机森林（RF）分别基于原始与预测谱构建分类器。CPMG谱AUC由0.79微降至0.78，扩散编辑谱AUC由0.76升至0.78，差异无统计学意义，提示预测谱保留完整生物判别信息。
结论与讨论指出，该方法并非追求“替代”所有多维实验，而是为资源受限或超大样本场景提供“加速跑道”。其意义体现在：第一，将传统需四次独立采样的流程压缩为一次，显著节省机时与样本量；第二，PLS回归规避深度网络“黑箱”与模拟数据偏差，以真实血清光谱训练，增强跨中心泛化；第三，R脚本全流程开源，支持用户以本地队列重训练，有望拓展至纯位移（pure-shift）、扩散-弛豫编辑（DIRE）乃至二维谱预测。作者亦提醒，模型对扫描次数、缓冲液配方及强耦合伪影仍敏感，未来需结合最新代谢组学标准操作程序（SOP）与更大规模公开库进行基准测试。总的来看，这项研究用极简算法撬动了NMR高通量分析的杠杆，为“一次采血、多重信息”的精准医学范式提供了可落地的技术路径。
