企业官网建设流程全解析

代谢组学面临数据难题：这场竞赛能否化解困局？

借助全新数据集，学界期待小分子领域迎来属于自己的「AlphaFold时刻」

#暗代谢组 #质谱 #CASMI #Enveda #小分子识别 #AI生物信息 #串联质谱 #代谢物注释 #AlphaFold #代谢组学

Enveda公司实验室内的首席执行官Viswa Colluru。

植物可生成大量次生代谢物，其中多数尚未被纳入代谢组学参考数据库。研究人员希望新算法能够帮助识别这类化合物。

图片来源：Enveda

在利用质谱（MS）解析生物样本中小分子代谢物的常规实验中，科学家无法确定90%可检测分子的化学结构。质谱技术虽已迭代升级，但这片被称作「暗代谢组」的分子集合依旧令研究人员束手无策。

代谢组学正遭遇数据层面的难题。专注挖掘天然产物生物活性的生物技术企业Enveda，试图通过重启Critical Assessment of Small Molecule Identification (CASMI)竞赛攻克该难题。CASMI借鉴了蛋白质结构预测关键评估竞赛（CASP）的模式，但Enveda表示，希望本次新竞赛的影响力可以跳出质谱‑代谢组学圈子，吸引更广泛的机器学习领域研究者参与。

竞赛目标是开发可依据串联质谱谱图（分子电离后裂解形成的碎片指纹）正确判定分子结构的算法。AI化学语言模型扒拉出数10种既往未知代谢物

Enveda首席执行官Viswa Colluru称：「有望实现规模化解析全球化学物质，其意义基本等同于测序技术对DNA领域带来的变革。」

Enveda首席技术官August Allen表示：「CASMI的灵感来源于CASP。区别在于CASMI尚未迎来属于自己的AlphaFold时刻，而这正是想要促成的局面。」CASP竞赛曾助推DeepMind实现蛋白质结构预测的重大突破。

但CASP参赛者能够依托积累近50年的公开实验数据集，而代谢组学可获取的数据质量参差不齐。获取高质量训练数据至关重要：缺少真实基准信息，算法便无法开展预测。

作为2026年度CASMI赛事的部分，Enveda开放了自有纯化天然产物的串联质谱谱图训练数据集，同时整理标准化了１批开源代谢组学数据集供参赛者训练模型。Allen称，这可以吸引并无深厚代谢组学背景的计算机科学家参与。

为测评参赛模型，Enveda整理构建测试集，谱图全部来自尚未在公开数据集完成表征的分子。

加州大学戴维斯分校计算化学家Oliver Fiehn曾主导往届CASMI赛事。他指出，本次竞赛用于测评的数据集复杂度低于真实代谢组样本。Fiehn谈道：「该测试集并未纳入共流出重叠组分、嵌合谱图、异常加合物等真实场景数据；选用的均为分离纯化化合物的质谱谱图，即便如此，其难度依旧不容小觑。」

Fiehn表示，竞赛早期参与者热情高涨，但他并不期待本次赛事就取得突破性成果。「AlphaFold也是在CASP历经多年迭代才问世。」他补充道，代谢组学领域「真实基准数据有限，可用信息相对匮乏。」

过往针对质谱注释机器学习方法的分析表明，模型很难适配不同实验条件采集的数据，也难以泛化预测训练集之外的分子结构；现有训练数据集对已知代谢物的覆盖广度不足。

Allen在致C&EN的邮件中反驳称，上述痛点恰恰是CASMI竞赛意在解决的问题。

本次竞赛报名截止至12月中旬，设置总奖金50,000美元，将由排名靠前的参赛者共同分得。

Laurel Oldach

Laurel Oldach是C&EN的高级编辑、生命科学方向记者。

详细总结

思维导图

基础信息

核心信息

各方观点

争议部分

参考

Metabolomics has a data problem. Could this competition fix it?

https://cen.acs.org/analytical-chemistry/mass-spectrometry/competition-identify-small-molecules-capture/104/web/2026/09

注：AI辅助创作，如有不当欢迎指出。内容仅供参考，不构成任何建议。