要点
- 痛点：液相色谱-质谱联用中，鉴定未知小分子的关键一步是把实测保留时间与推测结构对上号，但保留时间预测长期依赖针对特定体系的拟合，换个新体系就失灵。
- 方法：“2-step”把保留时间预测做成了可迁移的开箱即用工具，在新体系上无需重新训练即可给出精确预测，已有软件包和网页应用。
- 用途：药物发现、天然产物研究（找新抗生素/抗癌活性物质）、环境分析、食品化学——凡是需要在复杂样品中回答“这是什么分子”的地方都用得上。
解读
这项工作的价值不在模型多花哨，而在“可迁移”：实验室不用攒自己的大数据集就能用。论文发在《Nature Methods》，作者明确表示该方法可集成进主流分析软件。对一线质谱实验室来说，这可能是未来几年仪器软件里默认出现的一个按钮。
原文链接：AI method predicts retention times of small molecules more reliably，正文为摘要整理，仅供参考。
