Nat Commun | 中山大学李伟忠团队提出了一种用于质谱数据分析的深度学习方法，以揭示疾病特异性代谢谱

文章预览

编者按 利用质 谱的非靶向代谢组学分析提供了全面的代谢谱分析，但其医学应用面临着复杂的数据处理、高批间变异性和未知代谢物的挑战。 2024年8月20日， 中山大学 李伟忠 、 黄蓬及 胡寓旻共同通讯 在 Nature Communications  在线发表题为 “ An end-to-end deep learning method for mass spectrometry data analysis to reveal disease-specific metabolic profiles ” 的研究论文， 该研究 提出了DeepMSProfiler，这是一种可解释的基于深度学习的方法，能够对原始代谢信号进行端到端分析，并具有高精度和可靠性的输出。 DeepMSProfiler使用859份来自肺腺癌、良性肺结节和健康个体的跨医院血清样本，成功区分了不同组的代谢组学特征(AUC 0.99)，并检测出早期肺腺癌(准确率0.961)。模型流动和消融实验表明，DeepMSProfiler克服了医院间的变异性和未知代谢物信号的影响。集成策略消除了多分类深度 ………………………………