TC-TopoRT：用于液相色谱-质谱代谢物注释的互变异构一致且拓扑感知的保留时间预测方法

《Talanta》：TC-TopoRT: Tautomer-consistent and topology-aware retention time prediction for LC–MS metabolite annotation

　　

• •
  TC-TopoRT将互变异构体一致视图与环感知的胞腔复形相结合。
• •
  无泄漏的折叠外（OOF）融合策略整合了互补的配对视图RT预测。
• •
  留出数据校准在保留真实结构的同时缩减了候选空间。
• •
  SMRT预训练在10个外部色谱数据集中的8个上改善了平均绝对误差（MAE）。

引言

非靶向代谢组学旨在表征参与生物调节、疾病状态、环境暴露及其他化学扰动的分子。液相色谱-质谱联用（LC–MS）已成为实现这一目标的核心分析平台，因为它将色谱分离与灵敏的质谱检测相结合[1]，[2]。然而，当仅凭质谱证据不足以做出判断时，无歧义的分子注释仍然具有挑战性。METLIN和MassBank等实验MS/MS资源不可或缺，但相对于公共结构数据库所涵盖的更广阔化学空间，它们的谱图覆盖仍然有限[3]，[4]，[5]。计算机模拟碎裂、谱图预测和分子指纹方法可以扩展可搜索空间并改进候选评分[6]，[7]，[8]，[9]，[10]。尽管取得了这些进展，结构上不同的候选分子仍可能表现出相似的母离子质量和合理的碎裂模式，导致候选集庞大且持续存在假阳性注释[11]，[12]。

液相色谱保留时间（RT）提供了与母离子质量和MS/MS谱图正交的证据[13]，[14]。在固定的色谱系统中，即使候选分子的质谱或碎裂评分仍然合理，但其预测RT值与观察到的色谱峰不一致的候选分子也可以被降低优先级。RT信息的分析价值已在可疑物筛查、环境注释和脂质组学相关工作流程中得以验证[15]，[16]，[17]。因此，准确的RT预测可以为LC–MS候选分子优先级排序引入独立的色谱约束[18]，[19]，[20]。然而，分析目标并非激进地排除候选分子本身，而是选择性地缩减候选空间同时保留真实结构。这需要RT模型兼具预测准确性和表示鲁棒性，并通过候选分子缩减同时保留真实结构来证明下游应用价值，而不仅仅是通过基准预测误差进行评估。

METLIN小分子保留时间（SMRT）数据集加速了用于RT预测的机器学习和深度学习方法的发展[21]。早期研究主要将分子描述符与支持向量机、随机森林和前馈神经网络相结合[22]，[23]。近年来，图神经网络使得可以直接从原子-键图学习分子表示[24]，[25]。基于MPNN的预测器和更深的图架构进一步改进了RT建模[26]，[27]，而基于Transformer和迁移学习的方法将RT预测扩展到了代谢物候选分子优先级排序领域[28]，[29]。尽管这些进展稳步降低了基准误差，但许多现有方法仍主要通过传统的成对原子-键表示对分子进行编码，下游分析验证仍不如以基准为中心评估常见。

对于基于图的RT预测，两个表示挑战尤为重要。首先，色谱保留取决于成对原子-键连接之外的分子组织。芳香体系、杂环、稠环和受约束环状骨架影响极性、疏水性、刚性和构象行为。传统的消息传递可能间接捕捉到这些效应中的一部分，但它并不能明确表示高阶环拓扑结构。高阶拓扑学习和胞腔复形神经网络为对原子、键和环之间的相互作用进行建模提供了原理性的途径[30]，[31]，[32]。其次，从SMILES字符串导出的分子图对互变异构体表示选择很敏感[33]，[34]。替代的互变异构体形式可以改变局部键级、杂原子状态和共轭模式，即使它们对应于相同的测量化合物和RT标签。这种表示不一致性可能会为基于图的RT建模引入不必要的变异，特别是对于富杂原子和可互变异构的代谢物。

为解决这些相互关联的局限性，我们引入了TC-TopoRT，一种用于LC–MS RT预测的互变异构体一致且拓扑感知框架。TC-TopoRT将保守的配对分子视图与环感知的胞腔复形学习相结合，使模型能够降低对互变异构体表示选择的敏感度，同时明确捕捉原子、键和环级别的分子组织。配对视图的互补预测通过无泄漏的折叠外融合策略进行整合。

除基准预测外，我们通过在MetaboBase和RIKEN-PlaSMA上进行开发校准的候选分子过滤来评估这些进展是否转化为分析实用性。阈值在最终评估之前从留出的开发查询中确定，存活的候选分子保持其原始MS-FINDER顺序而不进行基于RT的重新排序。通过同时考虑候选空间缩减、Top-$k$优先级排序、真实候选分子保留和假阴性行为，本研究考察了具有表示鲁棒性和拓扑感知的RT预测能否为LC–MS代谢物注释提供实用支持。

章节摘要

数据集与预处理

SMRT数据集作为TC-TopoRT模型开发和独立评估的主要基准[21]。它包含通过反相液相色谱分析的小分子的实验测量保留时间。与之前基于SMRT的RT预测研究中采用的保留化合物方案一致，RT值$\le 300$ s的分子被排除。对完整公共数据集的审核显示，该早洗脱区域包含80,038条记录中的2,058条

SMRT基准性能

在保留化合物的SMRT基准上，TC-TopoRT与代表性的已发表RT预测模型进行了评估。比较包括GNN-RT [25]、1D-CNN [46]、MPNN [26]、基于CNN和GCN的模型 [24]，[27]、RT-Transformer [28]以及ABCoRT [29]。如表1所总结的，TC-TopoRT-S在五次独立运行中实现了25.055 ± 0.039 s的MAE，同时MRE为3.16%，MedAE为11.32 s，MedRE为1.45%，$R^2$为0.898。其MAE比已发表的

结论

我们介绍了TC-TopoRT，一种用于LC–MS保留时间预测和RT辅助代谢物注释的互变异构体一致且拓扑感知框架。通过整合保守的配对分子视图、环感知的胞腔复形表示、基于CWN的拓扑编码器和无泄漏的折叠外预测融合，TC-TopoRT旨在提高表示鲁棒性，同时捕捉原子、键和环级别的分子组织。在保留化合物的SMRT基准上，

CRediT作者贡献声明

赖润权：撰写–初稿，可视化，验证，软件，方法论，调查研究，形式分析，数据整理，概念化。刘强：撰写–初稿，软件，方法论，概念化。王兵义：撰写–审阅与编辑，监督，资源，项目管理，资金获取，概念化。李炜华：撰写–审阅与编辑，监督，项目管理，资金获取。

利益冲突声明

作者声明他们不存在任何可能影响本文所报告工作的已知竞争性经济利益或个人关系。

致谢

本研究受云南省重点研发计划（202603ZD380001）、云南省科技领军人才基金（202305AC160014）、云南省智能药物控制重点实验室（ZHJDNB202402）以及云南大学学术学位硕士研究生科研创新项目（KC-262615787）资助。

赖润权|刘强|王兵义|李炜华