深圳子科生物報(bào)道：蛋白質(zhì)組和代謝組技術(shù)都基于質(zhì)譜，但相比于蓬勃發(fā)展的蛋白質(zhì)組學(xué)技術(shù)，代謝組雖然技術(shù)流程更簡(jiǎn)單，但其應(yīng)用卻一直十分緩慢。究其原因，是因?yàn)榈鞍踪|(zhì)組學(xué)卻很早就基于Target-Decoy策略建立了FDR（假發(fā)現(xiàn)率）質(zhì)控策略，可以保證鑒定結(jié)果的可靠性；而代謝組全譜鑒定一直缺乏有效的質(zhì)控手段對(duì)鑒定結(jié)果進(jìn)行質(zhì)控，導(dǎo)致鑒定結(jié)果十分不可靠。

不同的平臺(tái)、流程和分析軟件對(duì)于代謝組鑒定結(jié)果的質(zhì)量評(píng)估方法參差不齊，甚至沒(méi)有任何質(zhì)量控制可言，假陽(yáng)性鑒定比例相當(dāng)高。有人曾借鑒蛋白質(zhì)組學(xué)質(zhì)控的Target-Decoy策略，對(duì)代謝組鑒定結(jié)果進(jìn)行質(zhì)控，但由于難以獲得可靠的代謝物的誘餌庫(kù)，該策略長(zhǎng)期以來(lái)不被認(rèn)可。
2020年3月26日，暨南大學(xué)生命科學(xué)技術(shù)學(xué)院張弓教授團(tuán)隊(duì)和深圳市數(shù)字生命研究院人工智能實(shí)驗(yàn)室在A(yíng)nalytical Chemistry（化學(xué)一區(qū)）上發(fā)表論文，對(duì)全譜（即非靶向）代謝組鑒定建立了一個(gè)可靠的FDR質(zhì)控方案。該方案最主要的貢獻(xiàn)是建立了一種新的代謝物的誘餌庫(kù)生成方法，基于參考庫(kù)的隨機(jī)信號(hào)生成法的基礎(chǔ)上，在誘餌譜圖中添加適當(dāng)比例的原始譜圖信號(hào)，其生成的誘餌庫(kù)不僅與目標(biāo)庫(kù)具有相似的特性，同時(shí)能夠提高鑒定結(jié)果FDR評(píng)估的準(zhǔn)確性。

實(shí)測(cè)表明，該方法可以將FDR控制到0.01的水平，與當(dāng)前蛋白質(zhì)組學(xué)界的嚴(yán)格標(biāo)準(zhǔn)相當(dāng)；FDR的估計(jì)值與真實(shí)值幾乎一致；鑒定結(jié)果中的假陽(yáng)性比例很低，并且譜圖歸并到代謝物的有效利用率提高。而傳統(tǒng)的方案仍然存在著大量的假陽(yáng)性。
這一質(zhì)控方案的成功，標(biāo)志著代謝組全譜鑒定首次有了一個(gè)可靠的質(zhì)控標(biāo)準(zhǔn)，這無(wú)疑將為代謝組的廣泛應(yīng)用鋪平道路。
為了便于其他學(xué)者的應(yīng)用和研究，該文章第一作者李德華自主設(shè)計(jì)和實(shí)現(xiàn)新方法的誘餌庫(kù)生成和譜圖匹配算法，并將整個(gè)代謝組鑒定過(guò)程封裝成軟件,命名為XY-Meta，提供免費(fèi)下載 (https://github.com/DLI-ShenZhen/XY-Meta)。XY-Meta不僅具有高效的計(jì)算性能，還能夠?qū)崿F(xiàn)代謝組迭代搜索和開(kāi)放式搜索，能夠?yàn)椴煌难芯繂?wèn)題提供靈活的搜索方案。