《Nature Communications》:Structure-informed deep generation enables de novo metabolite annotation in untargeted metabolomics
编辑推荐:
针对非靶向代谢组学中代谢物注释及“未知代谢物”发现难题,研究者开发了结构信息编码器-解码器神经网络MetGenX,实现从MS2谱图直接生成结构,在NIST及真实样本测试中Top-1准确率分别达55.9%和68.5%,并发现小鼠肝脏中两个未表征代谢物,显著提升de novo注释能力。
在生命科学和医学研究的前沿,非靶向代谢组学(untargeted metabolomics)正扮演着越来越重要的角色。它如同一位高明的侦探,试图通过分析生物体内所有小分子代谢物的“指纹”(即质谱数据),来揭示生命活动的内在逻辑、疾病的早期标志或药物干预的效应。然而,这位侦探目前面临着一个巨大的困境:在浩如烟海的质谱信号中,绝大多数检测到的代谢物其实是“陌生人”,它们的身份无法被现有的数据库识别。这是因为现有的参考质谱库(如NIST等)覆盖的化学空间极其有限,大量已知和未知的代谢物缺乏标准谱图对照。传统的注释方法高度依赖这些有限的库,导致许多真正的生物活性分子被淹没在“未知”的噪声中。因此,开发一种能够不依赖现有库、直接从质谱数据推断出代谢物结构的“de novo”(全新)注释工具,成为了该领域迫在眉睫的挑战。
为了解决这一瓶颈,发表在《Nature Communications》上的研究“Structure-informed deep generation enables de novo metabolite annotation in untargeted metabolomics”提出了MetGenX——一个基于结构信息深度生成模型的解决方案。该研究通过引入先进的深度学习架构,重新定义了从质谱谱图(MS2)到化学结构的映射关系,显著提升了未知代谢物发现的效率和准确性。
关键技术方法
研究团队构建了一个结构信息编码器-解码器神经网络(MetGenX),将谱图-结构任务重构为结构-结构生成问题。模型利用大量已知的代谢物结构-谱图对进行训练,学习从MS2谱图特征到分子结构(SMILES表示)的映射。在验证阶段,研究使用了权威的NIST MS2谱图库(1388个谱图)和来自真实生物样本的1681个谱图进行独立测试,并最终应用于小鼠肝脏非靶向代谢组学数据,通过多步骤注释流程筛选未知代谢物。
研究结果
模型性能超越现有工具
在独立测试集上,MetGenX展现出了卓越的生成准确性。在1388个NIST MS2谱图上,其Top-1准确率达到了55.9%;在更接近真实研究场景的1681个生物样本谱图上,其Top-1准确率更是高达68.5%。这一性能显著优于当时已有的其他计算机辅助(in silico)工具。更重要的是,由于模型在设计时融入了结构信息(Structure-informed),它无需针对不同的电离模式(如正离子模式ESI+和负离子模式ESI-)进行重新训练,即可保持稳定的高性能,这大大增强了其在复杂真实数据中的实用性。
发现未表征代谢物
将MetGenX应用于小鼠肝脏的非靶向代谢组学数据分析中,研究团队成功鉴定出了两个此前在主要人类代谢组数据库(如HMDB)中均未收录的代谢物。这一结果充分证明了MetGenX在“de novo”注释方面的强大潜力——它不仅能识别已知的分子,更能发现那些完全不在现有知识范围内的新化学实体(uncharacterized chemical entities)。
结论与意义
该研究证实,基于结构信息深度生成模型的MetGenX框架,能够有效突破非靶向代谢组学中代谢物注释的瓶颈。它将谱图解析转化为可控的结构生成问题,不仅提高了注释准确率,更极大地扩展了可注释的化学空间。这项技术的成功开发,为发现新的生物标志物、理解代谢通路以及探索药物代谢产物提供了强有力的新工具,标志着代谢组学数据分析从“依赖库匹配”向“智能结构生成”迈出了关键一步。