AI模型可靠预测小分子保留时间

近日，德国耶拿大学博克教授团队联合亥姆霍兹慕尼黑中心与慕尼黑工业大学研究人员，在《自然方法》期刊发表突破性成果。针对液相色谱分析中小分子保留时间预测长期依赖特定实验条件、且需大量系统标定数据的行业痛点，团队开发出名为2step的新型人工智能算法。该方法通过深度学习架构，将分子结构与色谱操作参数转化为相对保留顺序指数，仅凭少数已知参考点即可精准换算出具体保留时间。与传统模型不同，此算法有效解耦了仪器硬件与流动相条件的干扰，无需针对新体系重复训练，即可实现未知分子的开箱即用预测。目前该工具已推出独立软件包与网页应用，未来可无缝嵌入液相色谱质谱联用分析流程。该突破显著提升了复杂混合物中微量化合物的鉴定效率，将为药物发现、代谢组学、环境监测及天然产物筛选等领域提供高效可靠的分析支撑，推动化学分析向标准化与智能化迈进。