FIORA：从单碎片化事件预测化合物质谱，助力代谢组学突破

在非靶向代谢组学中，化合物鉴定受限于光谱参考库的不完整。研究人员开展了名为 FIORA（Fragment Ion Reconstruction Algorithm）的开源图神经网络研究。结果显示，FIORA 在预测质量上超越现有算法，还能预测保留时间等。这为代谢物鉴定和光谱库扩充带来新突破。

　　在生命科学和医学研究的广阔领域中，代谢组学就像一把神奇的钥匙，试图解锁生命代谢过程的奥秘。非靶向代谢组学旨在无偏见地探索生物系统中的代谢物，这对于推进精准医学和发现生物标志物至关重要。然而，目前它却遭遇了重重困境。从串联质谱中识别化合物，是代谢组学研究的关键一环，可现有的光谱参考库并不完整。这就好比在拼图游戏中，缺失了许多关键的拼图块，使得大量的质谱数据无法准确匹配和注释，这些无法识别的信号被形象地称为代谢组学中的 “暗物质”。尽管过去十年间，科学家们开发了多种算法尝试直接从质谱推断化合物身份，如 CSI:FingerID、MS - FINDER 等，但 “未知” 化合物的识别率依旧很低。例如在 2016 年和 2022 年的 CASMI 挑战中，这些算法的召回率分别最高只有 34% 和低于 30% 。为了改善这种状况，不少研究团队尝试从分子结构构建理论产物离子光谱，以此扩充光谱库。但由于高质量训练数据稀缺，精确预测 MS/MS 光谱仍是一个巨大的挑战。在这样的背景下，为了攻克这些难题，来自德国联邦材料研究与测试研究所（Federal Institute for Materials Research and Testing，BAM）、柏林自由大学（Freie Universit?t Berlin）等机构的研究人员开展了一项重要研究。他们开发了一种名为 FIORA（Fragment Ion Reconstruction Algorithm）的开源图神经网络，用于模拟串联质谱。研究结果显示，FIORA 在预测质量上超越了如 ICEBERG 和 CFM - ID 等当前最先进的碎片化算法。同时，它还能够预测保留时间（Retention Time，RT）和碰撞截面（Collision Cross Section，CCS）等额外特征。该研究成果发表在《Nature Communications》上，为代谢组学研究带来了新的曙光。

研究人员为开展这项研究，运用了多个关键技术方法。在数据处理方面，他们从 NIST’17、MS - DIAL 和 MSnLib 三个光谱库以及 2016 年和 2022 年的 CASMI 挑战中收集数据，并进行了细致的预处理，包括数据格式和单位的统一、筛选有效数据等。模型构建上，采用图神经网络，将分子结构表示为图，把键断裂作为边属性预测任务，通过学习分子键周围的局部邻域来推断碎片离子概率。评估过程中，使用余弦相似性等指标来衡量预测光谱与真实光谱的相似程度。

下面来看具体的研究结果：

• 碎片化方法概述：FIORA 的核心是通过预测分子在串联质谱碎片化过程中的键断裂来间接预测质谱。它将键断裂视为图中边的去除，以此模拟碎片离子的产生。同时，还利用图网络模块学习分子图嵌入，进而预测 RT 和 CCS 值，为化合物鉴定提供了更多维度的信息。
• 模型选择：研究人员对不同的图网络架构进行了测试，发现图卷积网络（Graph Convolutional Network，GCN）和关系图卷积网络（Relational Graph Convolutional Network，RGCN）在预测性能上优于基于注意力的网络（如 GATs 和 Transformers）。最终选择了深度为 6 的 RGCN 进行后续的基准测试。
• 光谱预测质量：与 CFM - ID 和 ICEBERG 相比，FIORA 在大多数测试数据集上，预测的 MS/MS 光谱与参考测试光谱的中位数余弦相似性最高，相对提升幅度从 10% 到 49% 不等。不过在 CASMI 22 数据集上，所有算法的余弦得分都较低。排除前体峰后，FIORA 在大多数数据集上仍优于其他软件，但优势有所减小。这表明 FIORA 在预测前体强度方面具有优势，且碰撞能量对其预测有重要影响。
• FIORA 对不同化合物的适应性：研究发现，FIORA 对结构差异较大的化合物具有较好的泛化能力。当化合物与训练集的 Tanimoto 相似性在 0.6 - 1 之间时，其预测质量稳定；在 0.2 - 0.3 之间时，虽然预测性能有所下降，但仍保持相对稳健。此外，FIORA 在不同化合物类别上的预测质量也很稳定。通过对化合物超类的分析发现，其分子图嵌入能形成有意义的结构簇，反映出化合物的结构关系。
• 保留时间和碰撞截面预测：FIORA 能够预测 RT 和 CCS 值。在 RT 预测方面，大部分预测值在 30 秒偏差内，R2值为 0.70，优于仅基于 logP 值的线性模型。在 CCS 预测上，大部分预测值误差在 10% 以内，且优于基于前体m/z的线性回归模型。
• GPU 加速带来的速度提升：GPU 加速使得 FIORA 的运行速度大幅提高，比在 CPU 上运行快约 30 倍，能够在五分钟内预测约 10,000 个光谱。相比之下，FIORA 在 GPU 上的训练和预测速度远超 CFM - ID 和 ICEBERG。
• 单步碎片化的影响：尽管 FIORA 表现出色，但单步碎片化是其明显的局限性。研究表明，其预测性能在很大程度上取决于峰值强度覆盖范围。对于峰值注释率高、强度覆盖范围大的数据集（如 CASMI 16），FIORA 能模拟出高质量光谱；而对于像 CASMI 22 这样覆盖范围低的数据集，预测质量则较差。

在研究结论和讨论部分，研究人员指出，实验光谱库的不完整性使得计算机模拟光谱成为重要补充。FIORA 通过基于局部分子邻域建模键解离，显著提高了碎片强度预测。虽然它的碎片集比现有算法小，但在大多数测试数据集中余弦相似性得分更高。此外，FIORA 能够结合多种协变量，在预测负谱时性能提升更为明显，且对不同化合物类别和结构差异较大的化合物具有良好的泛化能力。同时，它还能学习有意义的分子图嵌入，用于预测其他 MS 相关属性，如 RT 和 CCS 值。不过，FIORA 目前受限于单步碎片化，未来需要进一步扩展到多碎片化。总体而言，FIORA 在强度预测质量和分子结构建模方面代表了当前的先进水平，为代谢组学研究提供了新的有力工具，有望推动非靶向代谢组学在精准医学和生物标志物发现等领域取得更大的进展。