暴露組學（Exposomics）是研究生物體在整個生命周期中接觸的所有環(huán)境暴露因素（例如化學物質、飲食、生活方式、污染物等）及其與健康關聯(lián)的學科。其核心是理解外源性暴露如何通過分子機制影響疾病發(fā)生，與基因組學、代謝組學互補。
將質譜圖轉化為化學結構，是暴露組學的核心難題，這使得快速追蹤人體和環(huán)境中存在的數(shù)百萬種化學物質變得尤為困難。與代謝組學不同，在暴露組學研究中，針對分子空間更大的化學物質開發(fā)模型的核心挑戰(zhàn)包括數(shù)據匱乏、模型復雜性以及合適的搜索策略。
2025 年 11 月 14 日，南京大學環(huán)境學院韋斯教授團隊在 Nature 子刊 Nature Machine Intelligence 上發(fā)表了題為：Pseudodata-based molecular structure generator to reveal unknown chemicals 的研究論文。
該研究開發(fā)了一種分子結構生成器（Molecular Structure Generator，MSGo），其能夠直接從質譜生成化學結構，并在暴露組中發(fā)現(xiàn)未知的多氟化合物，有望成為是應對當前的多氟化合物危機的核心策略。
多氟化合物，即多氟烷基和全氟烷基化合物（PFAS），這類化合物廣泛存在于不粘涂料、防水材料等工業(yè)產品中，因難以降解且在生物體內蓄積，也被稱為永久化學品，已被證實與癌癥、免疫毒性等健康風險相關，其引發(fā)的全球環(huán)境和健康危機被稱為多氟化合物危機。由于種類繁多且缺乏檢測標準，大量新型 PFAS 尚未被識別，成為全球環(huán)境治理的難題。
在這項最新研究中，研究團隊提出了一種分子結構生成器（Molecular Structure Generator，MSGo），其能夠直接從質譜生成化學結構，并在暴露組中發(fā)現(xiàn)未知的多氟化合物。通過僅使用 Transformer 神經網絡對虛擬譜數(shù)據進行訓練，MSGo 在驗證集中正確識別了 48% 的結構，且在檢測文獻報道的廢水樣本中的新型多氟化合物時優(yōu)于專家水平。對虛擬譜數(shù)據應用概率導向的掩碼技術，是 MSGo 性能提升的關鍵。
使用 MSGo 等自動化工具，在實驗性的質譜數(shù)據有限的情況下實現(xiàn)化學品快速發(fā)現(xiàn)，是應對當前未知多氟化合物危機的核心策略。
論文鏈接：
https://www.nature.com/articles/s42256-025-01140-5
合作咨詢
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
