4
当前位置：精品网站在线免费观看 安捷伦科技（中国）有限公司>>技术文章>>一机辨万象，智护民生安全线——AI 赋能，精准监管新标杆
一机辨万象，智护民生安全线——AI 赋能，精准监管新标杆
时间：2025-5-8
阅读：48
在人工智能浪潮席卷全球的当下，AI 正以前所未有的力量重塑各行业，无论是便捷的智能生活，还是复杂的工业生产，都有它活跃的身影。化合物结构注释作为药物研发、材料科学、环境监测和食品安全等领域的关键技术之一，面临严峻挑战，传统方法处理海量数据效率低、解析未知物易出错，制约这些领域的科技持续发展。
面对这一挑战，安捷伦全新化合物结构注释智能高分辨液质联用系统应运而生，以 AI 为核心，对化合物结构注释流程进行了全面革新，实现了效率与精度的双重飞跃，为科研探索和工业生产的智能化升级注入了强大动力。在近期的全国功能食品抽检工作中，该系统率先精准识别并注释了新型那非类非法添加物——伐地那非丙氧基羟乙基，2025 年 3 月国家市场监督管理总局公布了该物质的补充检测方法（详细信息见后文）。
Part 1
智能化液相：
自动化与智能化的完美融合
在这一系统中，智能化液相模块扮演着至关重要的角色。安捷伦 Infinity III 液相色谱系列完美诠释了未来实验室的特性：自动、智能、互联、绿色，将繁琐的实验操作整合为自动化流程，从自动清洗、自动启动到自动关闭，一气呵成，极大地解放了科研人员的双手，让他们能够将更多精力投入到关键的分析研发工作中。此外，该系统还能根据实验方法的更新进行自适应调整，根据实验室试剂储备情况定制个性化任务队列，从而有效提升整个实验室的工作效率。
Part 2
智能化高分辨质谱：
精准测定的利器
安捷伦智能化 Revident Q-TOF 串联高分辨质谱系统，具备诸多创新设计元素，包括集成化工业设计的仪器架构、实用的智能功能以及创新的超快检测器等。其中，智能功能如智能调谐、智能监控和智能反馈式再进样逻辑，能够显著提高实验通量，确保实验室在保持最高实验标准的同时实现通量的最大化。同时，该系统传承了安捷伦 QTOF 出色的质量准确度、宽广的动态范围以及高检测灵敏度的优点，为化合物结构注释提供了坚实的数据基础。
Part 3
AI 赋能结构注释平台：
颠覆传统化合物结构分析模式
AI 赋能结构注释平台，是这一系统中的璀璨明珠。传统的化合物结构分析模式主要依赖 MS/MS 数据库匹配，再结合计算机或由经验丰富实验人员驱动（专家驱动）未知物解析。该模式存在明显局限性：高度依赖质谱数据库意味着一旦超出数据库收载量，解析工作就会陷入困境；而传统计算机驱动的未知物解析，由于实验 MS/MS 谱图与通用数据库中结构的关联度较低，导致未知物结构注释的准确度不高；专家驱动的未知物解析则受到个体知识结构差异和认知局限的影响，工作效率低下且人力成本高昂。
相比之下，AI 赋能结构注释平台采用了截然不同的分析逻辑。该平台集成了数据库匹配、AI驱动的未知物解析以及智能相似度深度挖掘三大模块，借助一系列先进的 AI 算法（如支持向量机 SVM、深度神经网络 DNN、循环神经网络 RNN 等），在分子式注释、未知物结构注释以及化合物类别注释等方面实现了重大突破。
1
在分子式注释方面，能够实现高质量、高置信度的注释，尤其在处理高质量数的未知化合物时优势更为显著。
2
在未知物结构注释方面，打破了传统数据库匹配的束缚，依据学习到的化合物特征裂解模式对未知物进行精准的结构注释。
3
深度学习算法赋能的化合物类别注释功能，在交叉验证中平均准确率高达 99.7%，使化学成分轮廓分析进入了一个全新的阶段。
4
面对海量样本和化合物数据，智能相似度挖掘模块能够极大地加速新型结构类似物和活性成分群体的挖掘与结构注释，为科研和工业生产提供了更高效、更精准的分析手段。
案例
目前常有不法分子通过化合物结构衍生，逃避传统的目标物检测，增加了监管机构的执法难度。2024 年，在功能食品日常抽检工作中，安捷伦客户成功的采用上述智能化系统精准识别并注释了新型非法添加物——伐地那非丙氧基羟乙基，凭借 AI 算法与高分辨检测技术的深度融合，成功突破了传统分析中对新型衍生物的挖掘和解析的技术瓶颈。这一成果彰显了该系统在为食品安全风险预警与监管前置化工作中提供了可靠的技术保障，有效防范了新型衍生化的非法添加物流向市场带来的健康安全隐患。
结语
综上所述，全新安捷伦化合物结构注释智能高分辨液质联用系统以其创新性的设计和强大的功能，无疑将在化合物结构注释领域发挥举足轻重的作用。从样本分离、检测到结构解析，该系统正引领着整个行业迈向一个全新的智能化时代。
*该系统同样适配安捷伦其他型号的液相色谱-高分辨飞行时间质谱联用仪
引用：
Kai Dührkop, et al. "SIRIUS 4: a rapid tool for turning tandem mass spectra into metabolite structure information." Nature Methods 16.4(2019).