2024-04-25
經過近半年的研發、測試與驗證，派森諾全新一代代謝組學數據庫——PerSonalbio Next-Generation Metabolomics Database（簡稱PSNGM）現已正式上線啟用。該代謝數據庫采用創新型模式構建，不僅來源豐富、容量巨大，更重要的是包含了醫學、動物、植物、微生物、腸道菌群及中藥6大分類庫，95%以上代謝物可實現RT假陽性過濾，該庫的研發旨在為客戶提供更為精準、可靠且高深度的代謝組學分析結果，助力代謝組學技術在各研究領域取得更為卓越的研究成果。
派森諾PSNGM代謝庫組成及特點
PSNGM代謝數據庫的主要特點
1、來源豐富，MSMS圖譜數量龐大
除了傳統的商業庫、公共庫及標準品自建庫，PSNGM庫集合了40+的資源庫，利用精準、強悍的AI模型打造了龐大的MSMS圖譜庫，極大的補充了基于標準品庫數量的限制，使得可靠的代謝物（Saleh Alseekh等[1]發布的最新鑒定標準：Level A-B）鑒定深度大幅提升。
2、分類齊全，涵蓋各個研究領域
PSNGM庫準確的將所包含的代謝物分為了6大類：醫學、動物、植物、微生物、腸道菌群及中藥庫，幾乎涵蓋了生命科學各個研究領域，分庫的關鍵作用可進一步提升代謝物鑒定的可靠性，降低假陽性幾率。
6大分類庫容量
3、3D定性，讓代謝物定性更準
PSNGM庫采用先進AI算法，可實現庫中95%以上代謝物具備可靠RT參考，可很好的降低代謝物鑒定的假陽性。LC-MS平臺的一級質譜MS1、二級質譜MS2和保留時間RT是定性最關鍵的3個參數，絕大部分情況下只有自建標準品庫才能實現3D定性，但自建標準品庫由于標準品的原因容量非常有限。
Georgios Theodoridis[2]等人于2023年在國際知名期刊《Analytical Chemistry》上發表了一篇關于代謝組學的重要論文，文章集中揭露了基于LC-MS技術的代謝物鑒定中存在的行業亂象，列舉了一系列典型錯誤案例，如將農藥、殺蟲劑等工業化學品誤報為生物標志物，或將僅存在于植物體內的代謝物錯誤識別為哺乳動物的生物標記物等，這些現象在當前代謝組學研究中十分常見。代謝物定性過程中存在的準確性、高假陽性率等問題，亟待引起業界重視并尋求改善措施，而采用分類庫和3D定性是直接有效的方法。
PSNGM庫代謝物定性示例：鏡像圖上方為樣品采集的實際圖譜，下方為數據庫中圖譜
4、完善而豐富的標簽信息，讓結果解讀更輕松
PSNGM庫包含代謝物的化學分類、主流數據庫ID、各類結構編碼、Biogenic、DBSource、中文名等豐富的標簽信息，讓數據分析更便捷、更輕松。
5、個性化定制，讓研究更精準
PSNGM代謝庫的能力不僅僅局限于6大分類庫，還可以實現個性化定制庫，例如黃酮庫、全氟和多氟烷基物質（PFASs）庫、氧化脂質庫、暴露組庫、小分子藥物庫等，讓研究結果更精準。
歷經數十年發展，代謝組學已取得顯著進步，但其深入應用仍受制于兩大核心瓶頸：一是代謝物鑒定的深度不足，目前僅能觸及約5-10%的鑒定率[3]；二是鑒定的準確性受限，由于同分異構體等復雜情況導致假陽性結果頻現。這兩方面困境在很大程度上取決于所使用代謝數據庫的容量規模與功能性能。正因如此，派森諾公司推出了新一代數據庫PSNGM，其設計宗旨在于針對性地突破上述瓶頸，顯著提升代謝物鑒定的廣度與精度。
現實研究中，部分研究者易于陷入片面追求代謝物數量而忽視鑒定準確性的思維陷阱。須知，若代謝物定性環節即存在偏差，更多的鑒定數量非但無法增益研究，反而可能導致研究結果偏離，乃至得出錯誤的結論與見解。這一問題已引起學術界的廣泛關注，如Georgios Theodoridis[2]等人明確呼吁：強化代謝物鑒定的嚴謹性與標準化報告至關重要，此舉將有力鞏固代謝組學作為一門科學的內在價值與可信度。PSNGM代謝庫現已正式上線啟用，其仍在不斷完善和優化中，期望能為更多學者的代謝組學研究提供更有利的保障和支持。
參考文獻：
1.Alseekh S, Aharoni A, Brotman Y, et al. Mass spectrometry-based metabolomics: a guide for annotation, quantification and best reporting practices[J]. Nature methods, 2021, 18(7): 747-756.
2.Theodoridis G, Gika H, Raftery D, et al. Ensuring fact-based metabolite identification in liquid chromatography–mass spectrometry-based metabolomics[J]. Analytical Chemistry, 2023, 95(8): 3909-3916.
3.da Silva R R, Dorrestein P C, Quinn R A. Illuminating the dark matter in metabolomics[J]. Proceedings of the National Academy of Sciences, 2015, 112(41): 12549-12550.
