德國科學家開發新機器學習程序，高效識別新天然物質

如今，有超過三分之一的藥品是基于自然界的活性物質合成的，在眾多植物、細菌和真菌中出現的次級天然物質可以消炎，可以抵御病原體，甚至可以防止癌細胞的生長。但是，利用自然界藥柜提供的財富和識別新天然物質是非常耗費時間、金錢與精力。德國耶拿大學（University of Jena）的一個研究小組已經開發出一種程序，可以更快、更容易地識別小活性物質分子，研究人員將他們的新方法稱為COSMIC（小分子鑒定的信心）。

為了找出生物樣本（如植物提取物）中包含的物質，研究人員使用質譜法對樣本進行分析。在這個過程中，分子被分解成碎片，其質量被確定。耶拿大學的Sebastian B?cker教授表示，研究所開發的CSI:FingerID分子搜索引擎能夠專門搜索與這些片段相匹配的分子結構。

目前有巨大的數據集合，其中有數十億的質譜數據，這些數據來自于對生物樣本的數百萬次分析，其中絕大多數都沒有識別出其結構。這就是COSMIC發揮作用的地方，使這些尚未識別分子中的大部分結構能夠被自動破譯。

為此，研究人員使用機器學習方法。首先，將檢查中樣品的質譜與現有的結構數據進行比較。結果會得到像谷歌搜索那樣的一個或多或少的可能命中列表。這個方法表明，人們對首先發現的命中列表的反應，實際上是在衡量其對正在尋找的結構有多大信心。為了做到這一點，COSMIC確定了一個分數，以評估建議命中的質量，并推斷它是正確的還是錯誤的。

研究已經能夠證明方法有效。他們研究了來自小鼠消化系統的質譜數據，尋找迄今未知的膽汁酸。為此，研究組構建了28000多個理論上可能的膽汁酸結構，并與小鼠微生物組的測量數據進行比較。通過COSMIC的后續分析，共發現了11種新的、以前完全未知的膽汁酸結構。此后，其中的兩個已經用專門合成的參考樣本進行了確認。

研究人員強調：研究首先表明這個新方法是可靠的。其次，COSMIC具有潛力，可以大大加快尋找新的和有趣的物質，因為篩選可以完全自動進行，不需要任何人工努力，而且時間非常短。研究人員預計，在未來幾年內，將有可能通過這種方式弄清成千上萬的新分子結構。

題為High-confidence structural annotation of metabolites absent from spectral libraries的相關研究論文發表在《自然-生物科技》上。

前瞻經濟學人APP資訊組

論文原文：

https://www.nature.com/articles/s41587-021-01045-9