大规模的非靶向代谢组学数据集正在快速积累,但由于可比性差,跨研究和跨平台的重用仍然有限。这一局限性因置信结构注释率较低而加剧,使得基于结构的对齐仅限于所检测到的代谢特征中很小的一部分。在此,我们提出了X-Align,这是一个不依赖注释的框架,用于非靶向代谢组学特征的跨平台对齐。其核心组件Align-ID是一个基于残差注意力的深度回归模型,直接从串联质谱(MS/MS)谱图嵌入中学习参考色谱行为,并在无需先验结构鉴定的情况下,将异构谱图映射到共同的参考色谱尺度上。Align-ID在METLIN SMRT色谱系统中关联的804,150个高分辨率MS/MS谱图上进行了训练。X-Align在受控基准测试中实现了99.6%的准确率和52.3%的覆盖率,并在独立的跨平台验证和外部库验证中保持了稳健性。X-Align生成了一个跨中心特征库,包含1,402个对齐特征和60,688个MS/MS谱图,来自公开的血浆数据集,并在一个跨中心高脂饮食案例研究中支持了更一致的生物学解释。本工作确立了基于MS/MS的参考保留行为,作为不依赖注释的跨平台非靶向代谢组学数据比较和整合的实际基础。