首页
模型资源
新药研发
资源中心
科研工具
关于我们
商城
集团站群
CN
加入邮件订阅!
您将获得赛业生物最新资讯
摘要速览
Nature Methods | 两步法实现小分子液相色谱保留时间的可迁移预测

小赛推荐:

本研究为 代谢组学 和 药物研发 中的化合物鉴定提供了无需目标系统训练数据的预测新策略,显著提升了公共谱库检索的准确性与 小分子 结构解析效率。

 

文献概述

本文《Times are changing but order matters: transferable prediction of small-molecule liquid chromatography retention times》,发表于《Nature Methods》杂志,系统探讨了一种无需目标色谱系统训练数据即可实现小分子保留时间可迁移预测的创新方法。

背景知识

在 代谢组学 和 药物研发 领域,液相色谱 - 质谱联用技术是鉴定 小分子 的核心手段。然而,保留时间 的预测长期面临巨大挑战,因为该参数不仅取决于 化合物 结构,更受 色谱柱 类型、流动相组成、梯度程序及温度等实验条件的剧烈影响。目前的 靶点 研究瓶颈在于,现有的预测模型通常需要在特定实验平台上测量数百种标准品进行微调(fine-tuning),导致模型无法在不同实验室或不同仪器间迁移,严重限制了公共 谱库 的利用效率。此外,保留时间 在不同条件下可能发生巨大漂移,甚至导致出峰顺序改变,这使得直接预测绝对时间变得极其困难。本研究切入点在于发现 保留顺序 比绝对时间具有更强的保守性,提出通过预测 保留顺序指数(ROI)并结合少量锚点化合物进行映射,从而绕过对特定系统数据的依赖,解决 小分子 鉴定中的正交信息缺失问题。

 

基因敲除小鼠模型服务:针对代谢疾病与肿瘤研究,提供完全性或条件性基因敲除小鼠,助力解析基因功能与药物靶点验证。

 

研究方法与核心实验

作者构建了一个包含数千种 化合物 和多种 色谱柱 条件的 RepoRT 数据库。研究采用两步法策略:第一步,利用图神经网络(GNN)结合 色谱柱 的疏水亚模型(HSM)和 Tanaka 参数、流动相 pH 值等元数据,训练模型预测 保留顺序指数(ROI)。该模型采用孪生网络架构,通过比较化合物对在相同条件下的出峰顺序来优化损失函数。第二步,在目标数据集中仅利用约 30 个高置信度鉴定的 锚点化合物(如通过谱库检索确认),建立 ROI 与绝对 保留时间 之间的低阶多项式映射关系。

关键证据显示,该模型在完全未见过的 色谱柱 和实验条件下,其预测性能优于需要在目标数据集上进行微调的现有最先进方法(如 DeepGCN-RT 和 RT-Transformer)。特别是在“真实”的数据划分策略下(即训练集与测试集在化学结构上高度不相似),该两步法方法展现了卓越的泛化能力,证明了 色谱柱 化学参数和 pH 值对于预测 保留顺序 变化的关键作用。

关键结论与观点

  • 保留顺序 比绝对 保留时间 更保守,但在极端 色谱条件 变化下仍会发生改变,预测 保留顺序指数 是实现可迁移性的关键。
  • 整合 色谱柱 的 HSM 和 Tanaka 参数以及流动相 pH 值,能显著提升模型对 化合物 出峰顺序的预测准确率,特别是在处理出峰顺序易变的 化合物对 时。
  • 仅需约 15-30 个高置信度的 锚点化合物 即可建立从 ROI 到 保留时间 的稳健映射,无需测量大量标准品,极大降低了 代谢组学 实验成本。
  • 该方法在 小分子 结构数据库搜索和 立体化学 解析中具有广泛应用前景,能够实现“准一级”的化合物鉴定水平。

研究意义与展望

该发现对 药物研发 中的先导化合物筛选和 临床监测 中的生物标志物鉴定具有深远影响。通过实现无需目标系统训练数据的 保留时间 预测,研究人员可以充分利用公共 谱库 资源,大幅提高未知 小分子 的注释效率。此外,该方法为 疾病建模 中的复杂代谢物分析提供了标准化的计算工具,有助于解决不同实验室间数据不可比的问题,推动 代谢组学 数据的标准化与共享。

 

大小鼠自然繁育与饲养服务:提供SPF级标准繁育与表型分析,确保实验动物遗传背景清晰,满足代谢组学与药效评价的高标准要求。

 

结语

本研究通过解耦 保留顺序 预测与绝对时间映射,成功攻克了小分子液相色谱保留时间预测难以迁移的行业难题。从实验室到临床转化的视角来看,这一突破意味着未来的 代谢组学 研究和 药物开发 将不再受限于特定仪器平台的校准数据。通过仅需少量 锚点化合物 即可实现高精度预测,该方法为建立全球通用的 小分子 鉴定标准奠定了基石。这不仅将加速 疾病 生物标志物的发现与验证,还将显著提升 药物 代谢动力学研究的效率,为精准医疗和个性化 疾病 照护体系提供强有力的技术支撑,使研究人员能够更专注于 靶点 机制的深入探索而非繁琐的方法学优化。

 

文献来源:
Fleming Kretschmer, Eva-Maria Harrieder, Michael Witting, and Sebastian Böcker. Times are changing but order matters: transferable prediction of small-molecule liquid chromatography retention times. Nature Methods.