《TrAC Trends in Analytical Chemistry》：Artificial intelligence-enabled mass spectrometry-based metabolomics: current status and future prospects
编辑推荐：
•系统地考察了代谢组学的演进及其关键瓶颈。•人工智能实现了代谢组学工作流程的优化。•标准化、流程简化、自动化和智能化是第三代代谢组学的特征。•“无人值守实验室”和“以代谢组为中心的仿生双生子”是代谢组学的前沿方向。引言代谢组学是系统生物学的下游终点。它反映了基因组-环境相互作
- •
系统地考察了代谢组学的演进及其关键瓶颈。
- •
人工智能实现了代谢组学工作流程的优化。
- •
标准化、流程简化、自动化和智能化是第三代代谢组学的特征。
- •
“无人值守实验室”和“以代谢组为中心的仿生双生子”是代谢组学的前沿方向。
引言
代谢组学是系统生物学的下游终点。它反映了基因组-环境相互作用以及生物的生理或病理表型[1]。由于其高灵敏度和广泛覆盖度，质谱（MS）已成为分析复杂代谢组的重要工具[2]。然而，传统流程，即使在样品前处理方面实现了自动化，仍存在许多问题，包括大量样品的峰匹配困难和批次效应、特征的结构注释和鉴定困难，以及重现性和标准化不足等。因此，难以获得有用的代谢组学数据并将其从不同实验室进行整合，这限制了代谢组学在精准医学和系统生物学中的应用[3]。
人工智能（AI）在光谱解卷积和自动化决策支持方面展现了令人瞩目的能力。它已被广泛应用于各个领域，并成为代谢组学中克服上述挑战的重要技术。在实体流程中，AI智能体驱动的机器人自动化可以将智能控制与自动化样品制备过程相结合，提高流程一致性并减少人为错误。同时，在数据挖掘领域，人工智能能够从海量、高维且充满噪声的数据集中提取关键特征并识别模式，在代谢组学研究中表现良好。
目前，包括机器学习（ML）和深度学习（DL）在内的人工智能相关计算方法已被越来越广泛地应用于整个代谢组学工作流程中。从代谢物注释、预测建模和生物标志物筛选等基础任务到多组学整合等复杂应用，人工智能提高了分析性能和操作效率[4]、[5]。同时，人工智能促进了新分析方法的发展。“端到端”深度学习模型可以直接分析原始质谱数据中的信号，无需传统的预处理步骤[6]。这些模型可用于峰识别、生物通路推断[7]、分子结构预测[8]以及多组学数据整合。这些进展促进了代谢组学的一系列创新，提高了基于代谢谱的疾病诊断和分层疗效。它也是多组学整合的重要工具，用于在系统水平上揭示生物学机制[9]、[10]。
尽管取得了这些进展，但代谢组学中大多数人工智能应用仍然是孤立的。很少有将“AI驱动的自动硬件”与“智能数据挖掘/处理软件”相结合的系统解决方案。在本观点中，我们回顾了代谢组学的发展与瓶颈，总结了当前AI驱动的基于质谱的代谢组学研究的关键进展，并提出了一种下一代（第三代）代谢组学的新框架，以应对代谢组学面临的挑战。
章节摘录
代谢组学的最新进展
代谢组学的概念最早由Oliver于1998年提出[11]。如图1A所示，完整的代谢组学工作流程通常包括实验设计、样品采集、样品预处理、数据获取、数据分析、生物学解释与验证。根据研究策略的不同，代谢组学通常分为靶向代谢组学、非靶向代谢组学和准靶向代谢组学。
非靶向代谢组学旨在检测尽可能多的
AI赋能的代谢组学：工作流程与进展
目前的代谢组学研究面临着实验（“湿实验室”）和计算（“干实验室”）两方面的挑战。传统样品制备主要依靠人工操作和劳动密集型方案，通量较低，尽管一些实验室已部分使用了自动化技术。人工样品制备耗时且容易受到分析前变异的影响，这可能降低流程效率[51]、[64]。随着多维分析平台的使用，
观点
人工智能与分析仪器的结合正在推动代谢组学的发展。尽管第一代和第二代分析方法已经建立了相对成熟的代谢物分析框架，但它们在标准化、数据解释和重现性方面仍受到限制[75]。因此，我们在本观点中提出了“第三代代谢组学”作为概念框架。
“第三代代谢组学”具有标准化的特征，
结论
“第三代代谢组学”具有标准化、流程简化、自动化和智能化的特征。它建立了样品采集和分析的SOP，开发了自动化样品分析和一站式数据处理平台，并采用人工智能进行大规模数据挖掘和代谢物鉴定。关键创新包括严格可重现的SOP、自动化、新型质谱技术、MS/MS光谱中“暗物质代谢组”的解析，以及用于大数据的人工智能工具
数据可用性
本观点不包含初级研究结果、软件和代码，也没有生成或分析新数据。
CRediT作者贡献声明
徐国望：撰写——审阅与编辑，概念构思。 温立亮：调查研究。 刘欣雨：撰写——审阅与编辑，概念构思。 荆风云：撰写——初稿。 王明超：撰写——初稿
致谢
本研究得到了国家重点研发计划（2023YFA0913900）、国家自然科学基金（22522411, 22434006, 22474138）、中国科学院青年创新促进会（2021186）的资助。
荆风云|王明超|温立亮|刘欣雨|徐国望
