सटीक चिकित्सा और जैविक मार्कर खोज के क्षेत्र में, गैर-लक्षित मेटाबोलोमिक्स एक महत्वपूर्ण भूमिका निभाता है। हालाँकि, मौजूदा स्पेक्ट्रम संदर्भ पुस्तकालयों की अपूर्णता के कारण, यौगिकों की पहचान अभी भी एक चुनौती है। इस समस्या को हल करने के लिए, जर्मन फेडरल इंस्टीट्यूट फॉर मटेरियल्स रिसर्च एंड टेस्टिंग (BAM) और फ्री यूनिवर्सिटी ऑफ बर्लिन की एक टीम ने संयुक्त रूप से FIORA विकसित किया है, जो एक ओपन-सोर्स ग्राफ न्यूरल नेटवर्क (GNN) है, जिसका उद्देश्य टेंडेम मास स्पेक्ट्रोमेट्री की प्रक्रिया का अनुकरण करना और मास स्पेक्ट्रोमेट्री पहचान की सटीकता में सुधार करना है।
FIORA मॉडल का मूल सिद्धांत यह है कि यह अणुओं में बंधनों के स्थानीय पड़ोस की जानकारी का उपयोग करके यौगिकों के टूटने के पैटर्न को सीखता है, जिससे टूटे हुए आयनों की संभावना का अनुमान लगाया जा सकता है। पारंपरिक विखंडन एल्गोरिदम ICEBERG और CFM-ID की तुलना में, FIORA द्रव्यमान भविष्यवाणी में बेहतर प्रदर्शन करता है और अन्य विशेषताओं जैसे प्रतिधारण समय (RT) और संघट्टन क्रॉस-सेक्शन (CCS) की भविष्यवाणी भी कर सकता है। यह अभूतपूर्व शोध परिणाम 7 मार्च, 2025 को नेचर कम्युनिकेशंस में प्रकाशित हुआ था।
FIORA का डिज़ाइन उच्च-प्रदर्शन GPU का पूरा उपयोग करता है, अनुमानित यौगिक एनोटेशन का तेज़ी से सत्यापन करता है, और उच्च-गुणवत्ता वाले पूर्वानुमानों के माध्यम से स्पेक्ट्रम संदर्भ पुस्तकालय का महत्वपूर्ण विस्तार करता है। यह प्रगति गैर-लक्षित मेटाबोलोमिक्स अनुसंधान को आगे बढ़ाने के लिए महत्वपूर्ण है, खासकर अज्ञात यौगिकों के विश्लेषण में। पिछले दस वर्षों में, उच्च-गुणवत्ता वाले संदर्भ स्पेक्ट्रा की कमी के कारण, इस क्षेत्र में अनुसंधान की प्रगति धीमी रही है। उदाहरण के लिए, 2016 CASMI चुनौती ने दिखाया कि कंप्यूटर सिमुलेशन विधियों की पुनर्प्राप्ति दर केवल 34% थी, और 2022 में यह 30% से भी कम थी। इससे पता चलता है कि एक नए समाधान की तत्काल आवश्यकता है।
FIORA की विशिष्टता यह है कि यह प्रत्येक यौगिक की स्थानीय संरचना के अनुसार बंधन वियोजन घटनाओं का स्वतंत्र रूप से मूल्यांकन कर सकता है। यह विधि कई मौजूदा एल्गोरिदम की तुलना में मास स्पेक्ट्रोमेट्री में भौतिक विखंडन प्रक्रिया का अधिक सीधे अनुकरण करती है। इसके अलावा, FIORA न केवल समान यौगिकों के लिए उत्कृष्ट प्रदर्शन करता है, बल्कि अपरिचित संरचनाओं के लिए इसकी सामान्यीकरण क्षमता भी प्रभावशाली है।
इसकी प्रभावशीलता सुनिश्चित करने के लिए, FIORA का कई डेटासेट पर परीक्षण किया गया है, जिसके परिणामस्वरूप भविष्यवाणी किए गए मास स्पेक्ट्रा और संदर्भ स्पेक्ट्रा के बीच मध्य माध्य समानता 0.8 से अधिक है, और कुछ मामलों में प्रतिस्पर्धी एल्गोरिदम की तुलना में 10% से 49% तक अधिक है। इसके अलावा, FIORA का मॉड्यूलर डिज़ाइन इसे विभिन्न भविष्यवाणी लक्ष्यों के अनुकूल बनाने की अनुमति देता है, जो इसकी उत्कृष्ट बहुमुखी प्रतिभा को दर्शाता है।
FIORA के आगमन ने न केवल मास स्पेक्ट्रोमेट्री विश्लेषण में एक अंतर को पाटा है, बल्कि भविष्य के यौगिक पहचान और अनुसंधान के लिए एक शक्तिशाली उपकरण भी प्रदान किया है।