Librarian：一款用于高分辨质谱（HRMS）谱库构建的开源Web应用程序

《Metabolites》：Librarian: An Open-Access Web Application for High-Resolution Mass Spectral Library Assembly

背景：在非靶向小分子质谱分析中，特征的确证性化学注释高度依赖于高质量串联质谱（MS2）参考谱库的可获得性。尽管开放获取数据库不断扩充，但在组装标准化、富含元数据（metadata）的记录方面仍存在技术障碍，限制了更广泛的社区参与，凸显出需要改进计算工具来辅助贡献者。方法：为促进标准化参考MS2谱库记录的创建与共享，研究人员开发了Librarian——一款免费、开源访问的Web应用程序，专用于快速、可扩展地组装高分辨MS2谱库。Librarian集成了从PubChem自动检索与统一化学物质标识符及元数据、设计用于高分辨质谱（HRMS）采集的化合物混合方案，以及将整理好的MS2谱图组装为兼容公共谱库存储格式的就绪记录。结果：通过简洁的浏览器内界面，Librarian提供灵活的端到端工作流，兼容主流开源预处理软件，降低技术门槛并促进社区更广泛参与谱库开发。作为演示，研究人员使用Librarian创建了包含1500余条新MS2记录的谱库并存入MassBank，进而应用于环境数据集的回顾性分析。结论：Librarian简化了标准化、富含元数据且符合存储要求的MS2参考记录的创建过程，解决了社区谱库开发与共享的关键瓶颈，支持代谢组学、暴露组学及环境质谱领域开放获取资源的持续壮大。Librarian可通过SciLifeLab Serve平台公开访问。

论文解读：Librarian——用于高分辨质谱谱库构建的开源Web应用

《Librarian: An Open-Access Web Application for High-Resolution Mass Spectral Library Assembly》一文发表于《Metabolites》，针对当前非靶向分析（Nontarget Analysis, NTA）中使用高分辨质谱（High-Resolution Mass Spectrometry, HRMS）进行小分子注释时，公共二级质谱（MS²，即Tandem Mass Spectrum）参考谱库覆盖率不足、且高质量谱库记录（特别是符合MassBank严格格式要求者）手工组装繁琐的问题，研究人员开发了名为Librarian的开源Web应用程序。现有工具如RMassBank局限于R语言环境，MZmine虽新版引入MSnLib项目模块但尚不支持导出MassBank格式，而另一Web工具Curatr暂不可用。为此，研究人员旨在提供一款平台无关、操作简便、兼容常用预处理软件输出的浏览器端工作流工具，以自动化元数据检索、混合池设计和MassBank标准记录组装，从而降低科研人员参与公共谱库贡献的技术壁垒。研究人员通过使用Librarian成功构建了1200种FDA批准药物的MS²谱库（最终提交1507条记录至MassBank）并在环境废水数据集回顾性NTA中验证其实用性，证实该工具能有效支持开放科学及FAIR（Findable, Accessible, Interoperable, Reusable）原则下的谱库共享。

主要关键技术方法：研究人员采用Python（3.12.3）基于Streamlit（1.45.1）框架开发Web应用，调用RDKit、PubChemPy、pysplash及IsoSpecPy包。工作流分三核心模块：（1）PubChem查询（pcq）模块：通过PubChem REST API批量检索化合物分子式、单同位素质量、Isomeric SMILES等MassBank所需元数据，并自动识别盐形式并重查母体中性分子；（2）混合设计（mix）模块：依据计算m/z（正负模式常见加合离子）与xlogP（RDKit Crippen法）用贪心算法分配化合物入混合池，满足用户设定最小m/z差与池数，减少反相液相色谱（Reversed-Phase Liquid Chromatography, RPLC）中共洗脱与离子竞争；（3）谱库组装（lib）模块：合并pcq输出、仪器参数模板（.tsv）及第三方软件（MS-DIAL/MZmine/OpenMS导出的.mgf或.mat格式）预处理后MS²数据，执行峰注释（候选碎片分子式生成与评分含双键当量DBE过滤、同位素包络余弦相似度）、离子加合校验与质控，最终输出MassBank格式（.txt）及通用.msp格式谱库。提供.mgf转.mat实用工具、保留时间指数（Retention Time Indexing, RTI）批处理文件生成器及XCalibur兼容的DDA Inclusion List生成器。

研究结果

3.1. Front-End (User Interface) and Application Example

研究人员以Prestwick化学库1200种药物为例演示工作流：输入化合物名称/CAS/SMILES经pcq模块获元数据，查重已有谱库优先安排无HR-MS²记录者（388种）入小混合池（17—18个/池），其余入大池（47—48个/池）；经mix模块设计后使用Orbitrap 480 Exploris采集RPLC-HRMS（ESI+与ESI-），MS-DIAL预处理导出.mat文件，lib模块整合RTI值及ClassyFire化学本体论信息，最终1020种化合物（85%）生成至少一条MS²记录，合计1507条（ESI+ 961条，ESI- 546条；463种双模式均有），提交MassBank并获收录。表明Librarian可高效完成千级以上化合物谱库标准化组装。

3.2. Environmental Monitoring Application by Retrospective NTA of Public Datasets

研究人员先用自建药物库重新分析已发表孟加拉河水样数据，成功复现原研究22个Level 2a（Schymanski标准）药物注释，验证谱库质量。继而分析中国城市污水处理厂出水（MassIVE公开数据集），检出113个Level 2光谱匹配（含原报道12种抗菌/抗真菌药），新发现此前未报道的心血管药、非甾体抗炎药（NSAIDs）、抗抑郁药及环境中少有记载的吡啶斯的明（pyridostigmine）、阿替卡因（articaine）、苯海索（trihexyphenidyl）及福莫特罗（formoterol）等，证明扩充谱库可直接赋能回顾性NTA中新污染物挖掘。

3.3. Limitations

研究人员指出Librarian不包含原始数据峰提取与预处理功能，依赖外部软件；当前要求特定输入格式，未来拟扩展格式兼容性并简化导入流程。

讨论与结论翻译总结

研究人员指出Librarian原为大规模MS²谱库项目内部需求开发，后开源为Web应用以降低门槛。其解耦预处理步骤、兼容主流软件、提供批量元数据管理与MassBank格式输出，使谱库组装仅需数分钟（对比前处理耗时数周）。Librarian为代谢组学、暴露组学及环境质谱领域提供了实用可扩展方案，促进高质量参考谱库共建。结论重申：Librarian是开源Web应用，通过集成PubChem元数据统一化、混合池设计与记录组装，简化标准化MS²参考谱库创建与共享，推动公共谱库资源成长。网址：https://librarian.serve.scilifelab.se，源码：https://github.com/jahlwe/streamlit-librarian。