综述:人工智能驱动的代谢组学范式转变:大语言模型、自主智能体与自动驾驶实验室

《TRAC-TRENDS IN ANALYTICAL CHEMISTRY》:The AI-Driven Paradigm Shift in Metabolomics: Large Language Models, Autonomous Agents, and Self-Driving Laboratories

【字体: 大 中 小 】 时间:2026年08月29日 来源:TRAC-TRENDS IN ANALYTICAL CHEMISTRY 13.5

编辑推荐:

   摘要代谢组学为生物系统提供决定性的表型读出,但该领域仍受到化学空间巨大复杂性的制约,面临数据挖掘和"代谢暗物质"解析等关键瓶颈。随着高分辨率技术推动分析向高维度和时空分辨分析转变,数据复杂性的增长速度已远超传统生物信息学的处理能力。为克服这些挑战,生成式人工智能特别是大语言模

  

摘要

代谢组学为生物系统提供决定性的表型读出,但该领域仍受到化学空间巨大复杂性的制约,面临数据挖掘和"代谢暗物质"解析等关键瓶颈。随着高分辨率技术推动分析向高维度和时空分辨分析转变,数据复杂性的增长速度已远超传统生物信息学的处理能力。为克服这些挑战,生成式人工智能特别是大语言模型(LLMs)正在推动范式转变,将分析方法从被动的模式识别提升至主动的深层语义认知。本综述系统探讨了大语言模型和自主AI智能体如何重塑整个代谢组学工作流程。在一个统一的"科学到决策"概念框架下,我们重点阐述了三个关键转化支柱:(1)知识发现与规划,实现自动化假设生成和智能实验设计;(2)数据到洞察的转化,聚焦于谱图注释、从头结构预测和动态多组学推理;(3)决策与自主行动,将AI智能体与机器人硬件集成,建立闭环的"自动驾驶实验室"。最后,我们批判性地评估了这些架构的固有局限性,如概率性幻觉、物理系统漂移和"信号到符号"的鸿沟。为应对这些挑战,我们提出了向原生质谱基础模型和可信的全自主AI驱动分析化学发展的战略路线图。

引言

代谢组学旨在系统解析生物系统内所有小分子代谢物的动态波动,是连接基因型与表型的关键桥梁。随着液相色谱-质谱联用技术(LC-MS)和空间代谢组学等技术的快速演进,研究范式已从静态观察发展到高维度和时空分辨分析[1]、[2]、[3]。然而,该领域的深度仍受到若干关键瓶颈的阻碍:"代谢暗物质"的普遍存在导致检测到的信号中少于10%能被成功注释[4]、[5];数据固有的异质性阻碍了跨平台的无缝整合[6];而生物背景的深刻复杂性使得机制解释异常困难[6]、[7]、[8]。
为应对这些障碍,人工智能(AI)在代谢组学中的应用正经历一场根本性的范式转变,标志着分析化学"新时代"的曙光。这一新时代的根本特征是AI角色从"判别式"向"生成式和代理式"的转变。在过去十年中,早期的机器学习方法(如随机森林)主要集中于生物标志物筛选[9],而后续的深度学习架构(如CNN、GNN)则主要作为高级数据处理工具来增强谱图反卷积的精度[10]。如今,以大语言模型(LLMs)为代表的人工智能生成内容(AIGC)已开始重塑科学发现工作流程。大语言模型和AI智能体不再仅仅是处理大量文本的被动计算工具,它们正演变为主动的"科学副驾驶"和多模态认知中枢,能够参与实验设计、逻辑推理,甚至直接控制仪器[11]。
此外,通过将规划能力与工具使用熟练度相结合,AI智能体正在推动从"反思"到"行动"的跨越。这些智能体可以自主分解复杂任务、查询外部数据库,甚至编排自动化实验硬件,从而建立闭环的"感知-推理-执行"框架[12]、[13]、[14]。图1概述了本综述的路线图。
本综述旨在探讨机器学习、作为知识引擎的大语言模型以及作为自动执行器的AI智能体如何深度整合到代谢组学工作流程中,最终构建一个数据驱动的洞察与智能决策并行运作的全新科学发现范式。

章节摘要

大语言模型在组学研究中的研究热点

使用VOSviewer[15]分析计算科学与组学的交叉领域,我们确定了几个核心研究集群,包括基因组学、精准医疗、自然语言处理(NLP)和生成式人工智能。系统文献检索参数(源自Web of Science核心合集)、严格的数据筛选工作流程以及主题地图和回归指标的程序化计算细节均已在文中完整记录。

智能实验设计与假设生成

科学文献的系统综述和创新性假设的制定是决定研究方向和影响力的两大核心支柱。以"Metabolomics"为关键词检索PubMed数据库显示,仅在过去十年(2015-2024)就发表了超过92,000篇论文。传统上,代谢组学研究高度依赖研究人员的启发式思维和个人经验来制定实验方案,这往往导致……

大语言模型在代谢组学数据解释和谱图注释中的作用

非靶向代谢组学旨在全面分析生物或环境样品中的所有小分子代谢物,液相色谱-高分辨质谱(LC-HRMS)是其中的核心技术[26]。然而,从大量质谱数据集中快速准确地识别数百或数千种未知化合物仍是该领域最具挑战性的难题——常被称为"揭开代谢暗物质"的面纱[27]、[28]。

时间序列代谢组学分析

代谢组学为生物系统响应内外扰动提供了决定性的表型读出。与基因组的相对稳定不同,代谢物具有高度的"瞬时性"和"动态通量"特征。捕捉这些时间波动对于理解疾病进展的非线性轨迹、药代动力学/药效学(PK/PD)和生物节律至关重要。时间序列分析旨在超越传统的"静态"……

生成式人工智能在行动:从数据填充到虚拟谱图合成

生成式人工智能的兴起为代谢组学框架下的数据挖掘和结构转化引入了变革性维度。新兴的计算架构——如变分自编码器(VAEs)、生成对抗网络(GANs)和扩散模型——利用其固有的近似复杂高维概率分布的能力,革新了原始信号预处理、跨模态组织成像和虚拟参考库扩展。而非……

全自动组学分析与可视化

组学数据分析的端到端自动化是解决数据生成速度与数据解读能力滞后之间核心矛盾的关键。在前文讨论的大语言模型高级数据解释能力基础上,该领域现在利用这些模型不仅仅是被动的分析工具,而是驱动自主智能体的认知引擎。因此,技术范式正在经历根本性的……

关键挑战与局限性

尽管基于AI智能体的自动化科学研究范式展现出巨大的前景,但要将其从理论概念转变为可靠的实验室工具,需要克服植根于大语言模型架构与分析化学固有属性之间的根本矛盾。

未来展望:迈向"直接信号推理"和自主AI的战略路线图

大语言模型在组学研究中的质的飞跃取决于打破数据孤岛并建立科学对话的通用语言。为有效应对第8节中概述的深刻挑战,特别是"信号到符号"的鸿沟、缺乏物理本体感觉和跨仪器系统漂移,该领域必须采用结构化的分阶段路线图。我们设想代谢组学中人工智能的演进将跨越三个不同的时间视野展开。

超越自动化:AI驱动科学的认识论边界与人类锚点

随着大语言模型(LLMs)从文本生成器演变为能够使用外部工具和规划行动的自主智能体[230]、[231],自动化科学概念在计算化学和多组学[232]领域获得了相当大的关注。然而,设想一个完全自主、无人的实验室未来反映了一种过于乐观的技术决定论。分析化学和现代生命科学不能被简化为纯粹的技术复制……

结论

大语言模型和自主智能体的整合正在推动代谢组学的根本性范式转变,将人工智能从被动的数据处理工具转变为主动参与整个科学流程的参与者。这一演变涵盖了从智能实验设计和假设生成到高级数据解释和谱图注释,通过时间序列和空间组学分析实现对动态代谢通量的深度解码。得益于生成式人工智能的……

CRediT作者贡献声明

邢宝敖:验证、监督。罗刚:验证、数据整理。卢轩宇:验证、监督。李清艳:方法学、调查。石巧:调查、数据整理。饶文王:撰写——初稿、验证、监督、概念化。李科锋:撰写——审阅与编辑、验证、监督、获取资金、概念化。刘丙儒:撰写——审阅与编辑、撰写——初稿、软件、调查。李俊荣:撰写——初稿……

利益冲突声明

作者声明,他们没有已知的竞争性经济利益或个人关系,这些可能影响本文中报告的工作。

致谢

本工作部分得到了澳门科技大学(RP/FCA-14/2023)、澳门科技发展基金(FDCT,0033/2023/RIB2,0062/2025/RIB2)、FDCT与广东省科学技术厅联合基金(FDCT-GDST,0009/2024/AGJ)以及FDCT与中国科学技术部联合基金(FDCT-MOST,0106/2025/AMJ)的支持,提交批准编号:fca.c172.f012.2。
刘丙儒 | 李俊荣 | 邢宝敖 | 罗刚 | 卢轩宇 | 李清艳 | 石巧 | 饶文王 | 李科锋
澳门科技大学应用科学学院人工智能驱动药物发现研究中心,999078,中国澳门特别行政区
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号