在精准医学与生物标志物发现的浪潮中，非靶向代谢组学扮演着至关重要的角色。然而，由于现有谱图参比库的不完整，化合物的鉴定依然面临挑战。为了解决这一问题，德国联邦材料研究与测试研究所（BAM）与柏林自由大学的研究团队联合开发了 FIORA，一种开源图神经网络(GNN)，旨在模拟串联质谱的过程，帮助提高质谱识别的准确性。

根据每个化合物的局部结构独立评估键解离事件。这种方法比许多现有算法更为直接地模拟质谱中的物理碎裂过程。此外，FIORA 不仅在针对相似化合物时表现出色，其对不熟悉结构的推广能力也令人印象深刻。

为确保其有效性，FIORA 在多个数据集上进行测试，结果显示其预测的质谱与参考谱的相似度中位数达到0.8以上，甚至在某些情况下比竞争算法高出10% 到49%。此外，FIORA 的模块化设计使其可以灵活适应不同的预测目标，展现了出色的多功能性。

FIORA 的推出不仅填补了质谱分析中的空白，更为未来的化合物鉴定与研究提供了强有力的工具。

划重点:

在精准医学与生物标志物发现的浪潮中，非靶向代谢组学扮演着至关重要的角色。然而，由于现有谱图参比库的不完整，化合物的鉴定依然面临挑战。为了解决这一问题，德国联邦材料研究与测试研究所（BAM）与柏林自由大学 ...