AI引导的人类胆汁酸化学空间发现与扩展：MetLLM与MetSpace

《Cell Metabolism》：AI-guided discovery and expansion of the human bile acid landscape

　　

胆汁酸（bile acid, BA）是自然界化学多样性最丰富、治疗重要性最高的代谢物家族之一。然而，人类胆汁酸代谢组（bile acid metabolome）仍在很大程度上未被描绘，分析局限性掩盖了细胞和生物体液中可能存在的数千种具有生物活性的化学物种（biologically active species）。为此，研究人员提出MetLLM——一种基于Transformer的语言模型（transformer-based language model），其学习胆汁酸修饰模式以优先筛选候选胆汁酸类似物（bile acid analogs）；并提出MetSpace——一个包含3,900个优先候选物的计算机模拟（in silico）胆汁酸化学空间（bile acid chemical landscape）。对人粪便的液相色谱-高分辨质谱（liquid chromatography-high resolution mass spectrometry, LC-HRMS/MS）分析证实了多种新检测到且结构新颖的胆汁酸，包括MS2141和MS1281。体外功能验证表明，MS2141可调节M2受体相关的G_i/o信号，并改变人诱导多能干细胞（induced pluripotent stem cell, iPSC）分化的心肌细胞（iPSC-derived cardiomyocytes, iPSC-CMs）的电生理参数（electrophysiological parameters）。该工作扩展了可搜索的胆汁酸代谢组，并为系统性代谢物发现（systematic metabolite discovery）提供了计算框架。

该论文发表于《Cell Metabolism》，围绕AI引导的人类胆汁酸（bile acid, BA；胆固醇来源、经宿主-微生物共代谢修饰的代谢物家族）化学空间发现与扩展展开。背景上，BA不仅是脂质消化分子，也是糖稳态、脂质代谢、炎症和受体信号等通路的调节者；宿主-微生物共代谢可产生羟基化、脱羟基化、氧化、异构化和结合型变体。BA治疗领域已有奥贝胆酸（obeticholic acid）获批用于原发性胆汁性胆管炎，INT-787用于酒精性肝炎、EDP-305用于非酒精性脂肪性肝炎、Aramchol用于非酒精性脂肪性肝病的后期试验，显示临床潜力，但也暴露了对BA化学宇宙认识不足。现有非靶向代谢组学和LC-MS/MS挖掘已揭示数百种BA，宏基因组-代谢组整合发现了C24酰胺化、C3-O酰化等微生物修饰，BA-甲基半胱胺结合物和反向代谢组学也推进了发现；但参考库不完整、谱图覆盖有限、难以从巨大化学搜索空间优先筛选可信BA样结构仍是瓶颈。基于Transformer的大语言模型（large language model, LLM）正改变代谢物发现，但其能否辅助BA发现尚未被检验。研究人员据此开发MetLLM，学习BA修饰模式并预测3,900个候选哺乳动物BA结构，建立MetSpace以映射预测的BA化学空间，并与LC-HRMS/MS的人粪便分析整合，确认包括MS2141和MS1281在内的多个新BA；对MS2141的功能验证显示其调节M2受体相关的G_i/o（异源三聚体G蛋白i/o亚型）信号及hiPSC-CMs电生理参数。该研究的意义在于扩展可搜索的BA代谢组，并提供系统化代谢物发现的计算框架。

关键技术方法（不超过250字）：研究人员以HMDB v5.0的217,766个代谢物结构预训练MetLLM，并以795个含四环BA骨架的结构微调；外部测试集纳入GNPS与LIPID MAPS来源的508个BA结构及508个非BA阴性结构。MetSpace整合ChEMBL、PubChem等生物活性数据库、392,080个天然产物、127,398个规则生成类似物和340,716个SMILES-RNN（Simplified Molecular Input Line Entry System-Recurrent Neural Network）生成类似物，经MetLLM评分、物化过滤、BA亚结构匹配和人工审校。人粪便样本来自健康志愿者；采用LC-HRMS/MS、Compound Discoverer匹配、参考/伪参考标准和核磁共振（nuclear magnetic resonance, NMR）确证；功能验证用M2受体表达HEK293T细胞的GloSensor cAMP（cyclic adenosine monophosphate，环磷酸腺苷）报告基因assay、hiPSC-CMs穿孔全细胞电流钳，并结合AI靶点预测与分子对接。

研究结果如下。**Design and training of MetLLM**：研究人员构建处理SMILES（Simplified Molecular Input Line Entry System，简化分子线性输入规范）序列的Transformer模型，以自回归建模和MetLLM评分优先筛选BA类似物，并与随机森林、SVM、XGBoost基线比较，结论是MetLLM可学习BA修饰规律并探索更广化学空间。**Creation of representative BA datasets**：从HMDB v5.0下载217,766个代谢物用于预训练，筛选795个BA/BA类似物微调；补充BILELIB19的159个和LIPID MAPS的379个BA，去重后形成508个外测分子，结论是建立了训练与外测数据集。**Evaluation of MetLLM**：内部评估AUROC为0.9161、AUPRC为0.9193，仅预训练模型AUROC为0.5299；外部测试AUROC为0.7692、AUPRC为0.7025、precision为0.7286，并优于随机森林、SVM和XGBoost，结论是迁移学习必要且模型具泛化能力。**Evaluation of MetSpace**：研究人员枚举520,292个含四环核心结构，0.7阈值将阳性precision从0.7286提高至0.7798，最终得到3,900个候选，包括结合型BA 2,095个、非结合型BA 921个、BA样类似物884个并分为32类；t-SNE、PMI、PCA、SA、QED及logP、MW、TPSA分析显示候选与已知BA部分重叠并扩展至未充分探索区域，结论是MetSpace提供可实验验证的候选资源。**Benchmarking MetSpace**：与LIPID MAPS、GNPS及近期文献交叉，回收291个近期报道BA结构，其中271个来自天然产物和生物活性化合物库；去除后保留3,609个候选，占原集合92.54%，结论是MetSpace可回收近期发现并覆盖非经典修饰。**MetSpace identifies BAs in human fecal samples**：人粪便LC-HRMS/MS结合MetSpace匹配，144个化合物匹配（level 1为24个、level 2为43个、level 3为35个、level 4为42个），另43个已知但不在MetSpace中的化合物以level 1/2鉴定；约77.01%的MetSpace匹配BA为人体样本中新检测BA；检测到92个BA-氨基酸结合物，其中62个经参考或伪参考标准确认，首次检测MS3152和MS0180，并新检测MS0820与MS2056，结论是MetSpace可指导人粪便BA注释。**MetSpace identifies BAs with unreported structures**：研究人员发现4个未报道BA结构；MS2141和MS1281经UDCA真菌生物转化制备参考标准、NMR和LC-MS/MS确证，MS2141为3α,7β,18-trihydroxy-5β-cholan-24-oic acid，MS1281为1α,3α,7β-trihydroxy-5β-cholan-24-oic acid；化合物65（C₂₈H₄₇NO₆）暂定匹配MS0209并经合成确证，化合物27（C₂₄H₄₀O₈S）暂定匹配MS0902，结论是扩展了人粪便BA结构多样性。**Functional validation links MS2141 to M2 receptor-associated signaling**：AI靶点预测将CHRM2编码的M2受体列为MS2141首位候选靶点（得分0.91），分子对接得分为?6.02 kcal/mol；M2受体表达HEK293T细胞的GloSensor cAMP assay显示MS2141剂量依赖性抑制forskolin诱导的cAMP，EC₅₀（half maximal effective concentration，半数有效浓度）为44.8 μM；hiPSC-CMs穿孔全细胞电流钳显示50 μM MS2141降低自发搏动频率并缩短APD₉₀和APD₅₀（action potential duration at 90%/50% repolarization，动作电位复极90%/50%时程），MDP（maximal diastolic potential，最大舒张电位）基本保留，结论是MS2141可调节M2受体相关G_i/o信号和心肌细胞电生理。

讨论部分指出，人类代谢组曾被广泛研究，但近十年宿主-肠道微生物共代谢研究不断揭示未被发现的代谢物，BA是扩展代谢组的重要组成。Qiang et al.的语言模型引导代谢物化学空间探索但刻意排除脂质类别；本研究聚焦脂质来源BA并定制语言模型，从而将AI引导代谢物发现延伸至BA领域。MetLLM和MetSpace可发现“新检测BA”（此前未在人体生物样本报道）和“新颖BA”（此前公共数据库完全未报道）；MetSpace整合AI预测、化合物库筛选、物化过滤和质谱引导验证。研究人员提到BEAUT这一AI辅助肠道微生物BA代谢酶识别流程，未来与MetSpace整合可能关联新BA与候选微生物或宿主酶。功能假设生成方面，MS2141具M2受体相关活性和hiPSC-CMs电生理效应；既往研究报道BA可在M2毒蕈碱受体表现抗心律失常和部分激动作用，MS2141活性与该背景大致一致，但其内源丰度、受体选择性和体内效力仍未确立，因此这些assay应解释为潜在体外生物活性证据，而非证明内源MS2141达到足以调节M2受体信号或心脏电生理的浓度。讨论还总结，CA-phenylalanine（MS2901）和CA-tyrosine（MS2932）在克罗恩病而非溃疡性结肠炎中升高，CA-tryptophan（MS2898）在2型糖尿病中降低并与血糖指标负相关、在小鼠中经MRGPRE和GLP-1分泌改善糖耐量；微生物来源的CA、CDCA、DCA、UDCA氨基结合物具抗菌活性并在袖状胃切除后改变。局限性包括：实验验证BA来自健康志愿者粪便，未充分覆盖个体、饮食、疾病和组织特异性差异，未来需更大更多样队列及血清、尿液、胆汁和肠内容物；MetLLM训练和过滤采用现有BA结构及保守阈值，偏重precision而非recall，可能排除异常骨架或修饰模式的真实内源BA；结构置信度不一，部分仅level 3或level 4，因串联MS不能总区分近缘异构体；MS2141功能研究为体外，其内源浓度、受体选择性、组织暴露和体内心血管相关性仍待建立。研究结论翻译如下：MetLLM和MetSpace共同提供了一个可推广的框架，用于探索代谢物化学空间并优先筛选具有生物学相关性的候选物。通过整合基于语言模型的预测、计算机模拟化学空间构建、质谱引导的注释和实验验证，该策略拓宽了已知BA景观，并为发现具有潜在生理或治疗相关性的未表征代谢物提供了基础。更广泛而言，该框架可适配其他代谢物类别，支持跨人类代谢组的系统性发现工作。