Enhanced identity spectrum search with AI/ML confidence scoring for HRAM data

Význam tématu

V neřízené analýze malých molekul je klíčové jednoznačné přiřazení neznámých MS2 spekter ke známým sloučeninám. Tradiční metody podobnosti spekter často selhávají při izomerických či izobarických sloučeninách, což ztěžuje rozhodování v analytických a QA/QC pracovištích. Vysoce přesná data orbitrap nabízí velký potenciál, ale vyžadují robustní věrohodnost skórování výsledků. AI/ML techniky mohou v tomto procesu výrazně zlepšit spolehlivost identifikací.

Cíle a přehled studie

Cílem bylo navrhnout AI/ML model pro ohodnocení důvěry u HRAM dat pomocí histogram gradient boosting a ověřit jeho výkon proti tradičním metodám na rozsáhlé mzCloud knihovně a externí Food Safety Library. Studie se zaměřila na simulaci reálných vyhledávání, vyhodnocení ROC AUC a rankingu kandidátů a porovnání s Bayesovskou, Cosine, NIST a HighChem-HighRes metodou.

Použitá metodika a instrumentace

• Výběr dat: mzCloud curated library – 34 000 sloučenin, 3,46 mil. MS2 spekter, CID/HCD, NCE 10–200;
• Model: histogram gradient boosting (scikit-learn), 170 vstupních parametrů popisujících fragmentaci, metadata a skóre dotyku;
• Validace: ROC AUC 0,95 spektrum-pár, 0,99 na úrovni sloučeniny (mzCloud); 0,97 na Food Safety Library; přesnost 89,2 % vs. 58 % legacy confidence;
• Simulace vyhledávání: Python skript, mzCloud API, AWS ml.r6i.32xlarge s 80 vlákny;
• Instrumentace: UHPLC, Thermo Scientific Orbitrap IQ-X Tribrid s pozitivní ESI; doplňkově Q Exactive a Fusion.

Hlavní výsledky a diskuse

AI/ML model překonal tradiční metody v ROC AUC i v přesnosti rankingu kandidátů. Zlepšení rankingu pro 104 ze 400 sloučenin, horší pro 41 případů, rovné pro 255. Případová studie Diosmetin demonstrovala jasné rozlišení mezi pravým a falešnými zásahy, kde legacy a HighChem-HighRes skóre selhávaly. Shapley values poskytují interpretovatelnost vlivu jednotlivých rysů.

Přínosy a praktické využití metody

Zvýšená jistota přiřazení spekter v neřízených studiích, integrace do mzCloud platformy pro lepší hodnocení výsledků a možnost optimalizace NCE pro zvýšení specifity identifikace.

Budoucí trendy a možnosti využití

Rozšíření validace na reálné vzorky, zahrnutí dalších typů ionizace a detektorů, dynamické učení na uživatelských datech a další vylepšení explainable AI.

Závěr

Novo AI/ML confidence scoring model dosahuje vysoké přesnosti a spolehlivosti při identifikaci MS2 spekter pro Orbitrap HRAM data, překonává tradiční metody a nabízí analytické komunitě nové nástroje.

Reference

1. Food Safety Mass Spectral Library from Wageningen University, accessed March 2025.