FIORA开源图神经网络助力质谱识别与非靶向代谢组学研究

助力质谱分析的新利器——FIORA在精准医学与生物标志物探索领域，非靶向代谢组学的重要性日益凸显。不过，现有谱图参比库的不完善，让化合物鉴定困难重重。在此背景下，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携手打造了FIORA——一款开源图神经网络(GNN)，致力于提升质谱识别的精准度。

独特核心机制FIORA模型的关键在于借助分子中键的局部邻域信息，研习化合物的断裂模式，以此推断碎离子的概率。相较于传统的碎裂算法ICEBERG和CFM-ID，FIORA在质量预测方面优势明显，还能预测保留时间（RT）和碰撞截面(CCS)等特征。该成果于2025年3月7日在《NatureCommunications》发表。

高性能提升与意义重大FIORA充分运用高性能GPU，能快速验证推定的化合物注释，还极大地扩展了光谱参考库。在过去十多年，因高质量参考谱匮乏，非靶向代谢组学研究进展缓慢。像2016年CASMI挑战赛，计算机模拟方法召回率仅34%，2022年更未达30%，可见新方案的迫切需求。而FIORA的出现，为该领域带来转机。

创新评估方式与优异表现FIORA能依据每个化合物的局部结构独立评估键解离事件，更直接地模拟质谱中的物理碎裂过程。它不仅在相似化合物分析上表现出色，对不熟悉结构的推广能力也十分突出。在多个数据集测试中，其预测的质谱与参考谱相似度中位数超0.8，部分情况比竞争算法高出10%到49%。

多功能灵活应用FIORA的模块化设计使其可灵活适配不同预测目标，展现出卓越的多功能性。它的推出填补了质谱分析的空白，为未来化合物鉴定与研究提供了强大助力。