Nat Comm：李伟忠/黄蓬/胡寓旻团队提出代谢组学 AI 数据分析新方法

文章预览

非靶向代谢组学通过全面揭示生物系统内小分子浓度的变化，为疾病生物标志物的发现和诊断提供了重要的技术手段。代谢组学研究中的液相色谱-质谱联用技术（LC-MS）具有高灵敏度、高稳定性、高检测通量等优势。然而，当前针对 LC-MS 代谢组学数据的分析方法面临着复杂的挑战，包括数据处理的复杂性和批次效应，以及大量未知代谢物的存在等。解决这些问题对于通过代谢组学手段发现疾病相关新的生物标志物和早期预测预警重大疾病的发生至关重要。 2024 年 8 月 20 日，中山大学中山医学院 李伟忠 团队与中山大学肿瘤防治中心 黄蓬、胡寓旻 团队合作，在 Nature Communications 发表了题为 「An end-to-end deep learning method for mass spectrometry data analysis to reveal disease-specific metabolic profiles」 的研究成果。 该研究开创性地提出可解释性集成深度学习方法 DeepMS ………………………………