近日，我组在小分子串联质谱（MS/MS）预测方面取得新进展，提出一种基于母离子-子离子对图包（PPGB）的MS/MS预测方法PPGB-MS2，保证了高分辨率质谱预测时，MS/MS预测的准确性。

在基于液相色谱-质谱（LC-MS）的代谢组学的化合物鉴定中，高质量的MS/MS数据是关键支撑，最直接的获取方式是通过标准品进行实验测量，但成本高，且很多标准品难以获取，因此很多化合物缺乏实验MS/MS数据，导致代谢组学数据鉴定的覆盖度不足。MS/MS预测被视为补充缺失MS/MS数据的有效途径之一，但在准确性、是否可实现高分辨率MS/MS预测等方面仍存在提升空间。

本研究提出了一种用于小分子的MS/MS预测新方法PPGB-MS2，将MS/MS预测任务转化为碎片离子强度预测任务。该方法引入PPGB表示碎片，使母离子、子离子结构以及碎裂信息得到统一表征，在输入机器学习模型前最大限度保留化学结构信息。基于PPGB表示，利用图神经网络（GNN）实现MS/MS碎片离子强度预测，进而实现MS/MS预测。使用NIST串联质谱数据库中由安捷伦QTOF 6530采集的[M+H]+和[M-H]-数据，对该系统进行全面训练与严格评估，结果显示，在测试集中平均余弦相似度为0.71，高于经典的 MS/MS 预测方法。同时，凭借其对碎片和结构间对应关系的高效管理，成功实现高分辨率的MS/MS预测。

相关研究成果以“Predicting Tandem Mass Spectra of Small Molecules Using Graph Embedding of Precursor-Product Ion Pair Graph“为题，发表在《Analytical Chemistry》上。该工作的第一作者是我组毕业博士研究生郑福建，通讯作者为许国旺研究员。上述工作得到国家重点研发计划、国家自然科学基金等项目的资助。

文章链接：https://doi.org/10.1021/acs.analchem.4c04375 （文/图 郑福建）