在精准医学与生物标志物发现的浪潮中，非靶向代谢组学扮演着至关重要的角色。然而，由于现有谱图参比库的不完整，化合物的鉴定依然面临挑战。为了解决这一问题，德国联邦材料研究与测试研究所（BAM）与柏林自由大学的研究团队联合开发了 FIORA，一种开源图神经网络(GNN)，旨在模拟串联质谱的过程，帮助提高质谱识别的准确性。FIORA 模型的核心在于它利用分子中键的局部邻域信息，学习化合物的断裂模式，从而推导出碎离子的概率。与传统的碎裂算法 ICEBERG 和 CFM-ID 相比，FIORA 在质

MRI 图像因其复杂性和数据量大，一直以来都是医学影像分析中的一大挑战。为了训练大型语言模型（LLM）进行 MRI 分析，开发者不得不将获取的图像切割为2D 图像，这样的处理虽然可行，但却限制了模型对复杂解剖结构的分析能力，尤其是在脑肿瘤、骨骼疾病或心血管疾病等复杂案例中。图源备注:图片由AI生成，图片授权服务商Midjourney不过，GE 医疗在今年的 AWS re:Invent 大会上发布了行业首个全身3D MRI 研究基础模型（FM），这标志着 MRI 模型终于可以利用整个身体的3D 图像。这一模型是基于