近日，我组在非靶向代谢组学规模化注释方法研究方面取得新进展，研发出增强型分子结构关联网络（Enhanced Structure-Guided Molecular Networking, E-SGMN）策略，显著提升了代谢组注释的覆盖率与准确性。该策略结合了最新的质谱数据采集技术，为复杂生物系统中代谢物结构的规模化深度解析提供了新工具。

以Orbitrap Astral为代表的新一代高分辨质谱仪，具备单离子灵敏度和超快扫描速率（200 Hz MS/MS），可在单次进样中实现高质量MS¹和深度MS/MS检测。然而，产生的高内涵数据仍缺乏适配的注释方法。针对这一挑战，团队在前期开发的分子结构关联网络（SGMN）基础上（Anal. Chem., 2023），进一步提出E-SGMN策略。通过整合已知代谢物和Astral实验数据筛选的潜在代谢物，构建动态优化的结构相似性网络，兼顾注释准确性与覆盖度，显著提升了对代谢物的注释能力。

在血浆、尿液、粪便、组织、细胞等典型生物样本开展的系统评估表明，E-SGMN表现出优异性能。在加标血浆样本中，E-SGMN-Astral的注释覆盖率和准确率分别达到76.84%和78.08%，明显优于Q Exactive HF（QE HF）结合SGMN的结果（覆盖率69.47%和准确率71.21%）。在NIST SRM 1950人血浆样本中，E-SGMN成功注释了5440个代谢物特征，是QE HF-SGMN的3.6倍。相较于传统谱图匹配方法，注释数量提升了3.7-44.2倍。本研究充分体现了高性能质谱技术与算法创新的协同优势，显著提升了对低丰度代谢物的检测和解析能力。E-SGMN策略的建立将为代谢组学在生命科学各领域的应用提供更为有力的技术支撑。

相关成果以“Enhanced Structure-guided Molecular Networking Annotation Method for Untargeted Metabolomics Data from Orbitrap Astral Mass Spectrometer”为题，发表在《分析化学》（Analytical Chemistry）上。该工作的共同第一作者是我组毕业生王鑫欣、博士研究生陈瑶和毕业生李在芳，通讯作者为路鑫研究员和许国旺研究员。研究得到了国家自然科学基金和中国科学院大连化物所创新基金的资助。（文/图 王鑫欣、路鑫）

文章链接：https://pubs.acs.org/doi/10.1021/acs.analchem.5c00314