Command Palette
Search for a command to run...
超1億種類の低分子化合物に対して8億枚の予測質量スペクトルを生成、コーネル大が提案する「AIMe」は化学則・断片化経路推論・ニューラルネットワーク学習を統合
代謝ゲノム学研究において、質量分析は複雑な生体試料から多数の低分子量シグナルを検出できるが、シグナルの検知はその第一歩に過ぎず、真に困難なのはそれらがどの分子に対応するかを決定することである。現在利用可能な実験参照スペクトルライブラリでカバーされている既知化合物は1％未満であり、そのため典型的な複雑な生体試料では、代謝物の80％以上が未だ同定されていないのが実情である。同時に、低分子構造空間はDNAやタンパク質よりも遥かに複雑であり、同じ分子式であっても多くの異なる構造が存在し、標準物質と参照スペクトルライブラリの拡張だけでは、このような膨大な化学空間を網羅するのは極めて難しい。
この課題に対処するため、コーネル大学の研究チームは、低分子マススペクトルの解読のためのマルチエージェントニューロシンボリックAIフレームワークである「AI Molecule Explorer（AIMe）」を開発した。 その中心的モデルであるDeepMS²Reasonerは、化学則、フラグメント経路推論、および神経ネットワーク学習を組み合わせており、分子構造を出発点として化学結合切断や水素移動などの破砕過程をシミュレーションし、対応するMS²スペクトルを予測する。これによりAIMeは従来の「実験マススペクトル－参照スペクトルライブラリ」という直接マッチングの枠を超え、未知のマススペクトルを広範な分子構造空間内で関連候補を探ることを可能にする。
こうした能力を既知の低分子空間へ拡大させるため、研究チームはさらにMS²KOSMOSを構築し、PubChem内の1億種類を超える低分子に対して8億枚以上の予測MS²スペクトルを生成した。 これにより検索可能なマススペクトル空間は既存の実験スペクトルライブラリと比較して約3桁拡大した。ある1つの未知マススペクトルに対し、AIMeは単なる候補分子の返答だけでなく、対応するフラグメント経路を提供し、具体的なマススペクトルピークを可能性のある断片分子式および構造に関連付けることができる。その後、研究チームはマウス腸内細菌叢関連代謝物と大規模GNPSマスデータを用い、その未知低分子の解読ならびにデータベースレベルでの注釈付け能力を実証した。
関連研究成果は、「Charting the small-molecule universe from mass spectra with neuro-symbolic AI」と題され、プレプリントプラットフォームbioRxivに掲載された。
論文を見る：
https://www.biorxiv.org/content/10.64898/2026.08.05.743095v1
実験マススペクトルから数億規模の低分子空間まで
AIMeで使用されるデータは主に以下の3つのタスクを担当している：マススペクトル予測モデルの訓練、検索可能な低分子空間の構築、そして実際のサンプルにおける解読能力の評価。
DeepMS²Reasonerの訓練データはNIST 2020 タンデムマススペクトルデータベース由来のものである。 研究チームはプロトン化イオン[M+H]⁺および脱プロトン化イオン[M−H]⁻ のMS²スペクトルを残し、金属含有化合物や構造的情報が不完全なサンプルを除き、マススペクトルピークと分子構造を一様に処理した。データは完全なInChIKeyに基づいて80％のトレーニングセット、10％の検証セット、10％のテストセットに分けられた。構造的重複による影響を抑えるために最終評価時には、トレーニング分子とのMorganフィンガープリントTanimoto類似度が1.0となるテスト分子も除外された。
モデルの外側への汎用性はCASMI 2022 とMassSpecGymという2つの独立したデータセットによって確認されており、これらはどちらも訓練に含まれていない。構造検索実験ではさらなる難易度の向上を図り、各実験マススペクトルについて、本来の構造に加え、最大49個の質量が近くかつ構造が似ているPubChem分子を干渉因子として追加した。 CASMIについては、より厳格な全異性体テストが設計され、同一分子式を持つすべてのPubChem異性体が候補に取り入れられ、合計で約250万件の候補マススペクトルが含まれている。
モデル訓練完了後、調査範囲はPubChem内の既知低分子へと拡大した。m/z < 1000 を超える1億0500万以上の有機化合物について、AIMeは陽イオンモードおよび陰イオンモードそれぞれにおいて4種類の衝突エネルギー条件下でMS²スペクトルを予測し、8億枚を超える予測マススペクトルを生成してMS²KOSMOSとして整理し、後の未知マススペクトル検索の下地とした。
実際的な応用には大きく分けて二組のデータが含まれる。一組は無菌(GF)マウスおよび完全な腸内マイクロバイオームを持つ非特異的原虫(SPF)マウスの糞便メタボロームからのものであり、そこから既存の標準物質およびスペクトルライブラリで同定できないが相対的に高い豊度を有する111種のマイクロバイオーム依存性のシグナルを選出した。もう一組は公開マススペクトルデータベースであるGNPS由来のものであり、電荷状態や分子量といった条件によるフィルタリングを経て、計7,144,480件のコンセンサスMS²スペクトルが大規模検索対象となった。
モデルに分子の「どのように壊れるか」を学ぶ
AIMe は互いに連携する3つのモジュールから構成されている: DeepMS²Reasoner が分子構造からMS²スペクトルおよびフラグメント経路の予測を行い; MS²KOSMOSGenerator が当該モデルを呼び出して大規模な化学構造に対する予測を実施し、検索可能なMS²KOSMOSを構築する; そしてMS²KOSMOSMapper が実験中の未知マススペクトルを取り扱い、MS²KOSMOSの中から潜在的に関連する分子および構造的近傍領域を探すものである。大規模予測は事前に完了しており、実際に照会を行う際には選別された候補構造のみに対してより精密な計算が行われる。
その中で、DeepMS²Reasoner がシステム全体の質量スペクトル予測能力を決定します。 このモデルは、「ある分子にどのピークが存在し、それらの強度がどうなるか」ということを直接的に学習するのではなく、前駆子分子から始めて、段階的に解離過程をシミュレートしながら、ダイナミックな有向非巡回グラフ（DAG）を構築していきます。グラフ内のノードは異なるフラグメントを表し、エッジは具体的な解離反応に対応しています。モデルは線状結合の切断、環状結合の切断、および除去という3つのメカニズムを考慮し、さらに電荷の変化や水素転移も記録します。また、解離深さを事前に制限しないため、複数のステップでの結合開裂、環開裂、または構造異性化を経て初めて形成されるような複雑なフラグメントも表現可能です。
どの解離経路を選択するかについては、ニューラルネットワークコンポーネントであるALEA（Action Likelihood Estimator Advisor）によって判断されます。 ALEA はGraphormer アーキテクチャを採用しており、現在のフラグメントにおける原子・化学結合・環構造・水素状態に加え、衝突エネルギーや装置の種類、付加イオンなどの実験条件に基づいて、各解離動作と「解離終了」に対して確率を割り当てます。その後、DeepMS²Reasoner はこれらの確率を経路伝播させ、各フラグメントで最終的に蓄積された「解離終了」確率を用いて対応する質量スペクトルのピーク強度を算出します。
ニューラルネットワークはどの経路が起こりやすいかを判断し、化学則はどの経路が可能かどうかを制約します。それぞれの解離ステップ後、システムは分子間の接続関係や水素収支といった化学的な制約をチェックし、不合理な解離は次の計算に進みません。同じ構造と化学状態を持つフラグメントは統合され、重複した探索が減らされます。また、確率が非常に低い枝分かれについては展開を行わないため、分子の複雑さが増すにつれて爆発的に増加するすべての解離経路を網羅する必要がありません。
トレーニングにおいてパラメータ学習の対象となるのは主に ALEA であり、その他の解離操作や化学的妥当性の判定はすべて決定的ルールによって行われます。モデルはKL ダイバージェンスを使用して、予測された質量スペクトルと実測値との差異を評価すると同時に、正則化制約を導入することで、複数のメカニズムが同じスペクトルピークを説明できる場合でも、比較的単純な直鎖状結合の開裂を優先するようにしています。さらにコース学習手法を採用し、小さく解離経路がシンプルな分子から始め、徐々に大きくより複雑な化合物を追加していくことで、まず汎用可能な局所的な解離規則を獲得させるように設計されています。
DeepMS²Reasoner が解決するのは「構造からの質量スペクトル予測」であり、MS²KOSMOS はさらに「数億個の分子の中からどのように検索するか」という課題に対処します。 MS²KOSMOS Generator は、各予測スペクトルをフラグメント分子式のスパースベクターとして表し、逆インデックスを作成します。未知の質量スペクトルに対し、システムは何百万もの分子を一々比較することなく、照会スペクトルと共有するフラグメント分子式を持つ候補を検索した後、MS²KOSMOS Mapper により実際の衝突エネルギー等の実験条件下で候補の質量スペクトルを再度予測して順位付けを行い、対応する解離 DAG も併せて返却します。
予測された質量スペクトルから未知分子の同定へ
まずは最も基礎的な質量スペクトル予測タスクを通じて DeepMS²Reasoner を検証しました。NIST 2020 の独立テストセットでは、予測スペクトルと実測スペクトルの平均コサイン類似度が 0.83 に達し、中央値は 0.89 でした。他の対抗モデルの平均値は 0.61〜0.75 の範囲にとどまりました。完全に独立しているCASMI 2022 およびMassSpecGym データセットにおいても、DeepMS²Reasoner の平均コサイン類似度はそれぞれ 0.67 と 0.59 を達成し、いずれも参加モデルの中で最高の結果となりました。例えば CASMI では、サンプルの4割超について、DeepMS²Reasoner が全ての対抗モデル中最も実測に近い予測スペクトルを提供していました。
単に質量スペクトルを予測するだけでなく、実測スペクトルから正しい分子を探し出す方が困難です。本研究では、真の構造と質量的にも構造的にも近い多数の候補分子を組み合わせて検索を行いました。CASMI の全異性体テストにおいては、DeepMS²Reasoner の Top-1、Top-10、そして Top-50 の精度はそれぞれ 35.6％、64.4％、79.8％となり、特に Top-1 と Top-10 はいずれも第2位のFraGNNet よりも10ポイント以上高いスコアを示しました。
マルチステップ解離への対処能力についても特定の分子を使って確認されました。ビオチンを例にとると、DeepMS²Reasoner の予測スペクトルと実測スペクトルのコサイン類似度は 0.88 に達しました。 一部の主なフラグメントは一度の結合開裂だけでは形成できず、官能基の脱落、環開裂、さらなる分解など連続的なプロセスが必要です。モデルはこれらに関連する複数ステップの経路を提示することができ、かつ衝突エネルギーの変動に応じて様々な程度の解離を予測できます。
DeepMS²Reasoner の質量スペクトル予測パフォーマンス
この後、AIMe は本格的な未知代謝物の解析に応用されました。マウス代謝組学データに含まれる111件の未特定マイクロバイオーム依存型のシグナルのうち、約三分の一が既知化合物と極めてよく一致するマッチングを MS²KOSMOS 内で見つけることができました。残りのものは記述されていない新規構造に対応している可能性が高いと考えられます。
研究者はさらに2つの未同定物質を選択し、その構造解明を行った。AIMeが提供したフラグメント構造に基づき、複数の候補分子を組み立てた後、これらの候補のMS/MSスペクトルを予測して実験結果と比較した。ある未同定物質において、最適な初期候補のコサイン類似度はすでに0.79に達していたものの、依然として实验中の重要なフラグメントの一部が欠けていたため、研究チームは環状構造の可能性を検討し続け、希少なマクロサイクルポリアミン誘導体を特定した。化学合成を行い、保持時間とMS/MSスペクトルを比較することで、両方の候補構造が最終的に検証された。これには、これまでマウスやヒトで報告されてこなかった多量体構造も含まれていた。さらなる検索により、関連する多種類の代謝物がヒト由来サンプルにも存在することが示唆された。
最後に、本研究ではAIMeをGNPSデータベース内の714万以上のエントロピー質量スペクトルへ拡張しました。 コサイン類似度を0.7とした閾値により、約269万個の質量スペクトルが注釈付き候補を得ており、これはクエリ総数の約3分の1に相当します。閾値を0.8まで引き上げても、さらに約127万件の高類似度注釈が追加され、これらはGNPS内で以前注釈付けられていなかった2600万以上の元の質量スペクトルに対応しています。このように、AIMeの適用範囲は単一分子の質量スペクトル予測から、データベース規模の未同定化合物への注釈付与へと拡大されました。
*GNPSデータベースにおけるAIMeの大規模な注釈結果*
これらの結果は、低分子構造の同定が完全に自動化されたことを意味するものではありません。分子量が増加すると考えられる断片化経路が著しく増加するため、また訓練データ中の高分子カバレッジが相対的に不十分であることから、DeepMS²Reasonerの予測精度は低下します。より重要なのは、MS/MSのみでは最終的な構造確認を行うのが一般的に困難だということです。メタボロミクス基準に従えば、保持時間、NMR、または標準試薬などの独立的証拠がない場合、AIMeによって得られた結果は主にレベル3（Level 3）注釈に分類され、その役割は候補範囲の絞り込み、構造仮説の提案および断片根拠の説明に近いものであり、最終の確認には依然として実験的裏付けが必要です。
おわりに
AIMeの意義は、単に質量スペクトルの予測精度を向上させるだけでなく、未知の小分子に対する解析アプローチを変革しようとする点にあります。 これまでは、研究者が未知の質量スペクトルに出会うたびに限定的な実験用スペクトルライブラリーの中から直接的な一致を探す必要がありましたが、AIMeはまずモデルを用いて既知の低分子空間を検索可能な予測質量スペクトル空間に変換し、その後フラグメント構造や断片化パスウェイを活用しながら候補範囲を段階的に狭めていきます。現時点ではまだ標準試薬やNMRといった実験的手法に取って代わることはできませんが、「参照スペクトルが存在しないために詳細な解析が続けられなかった信号」に対して、追跡可能性をもたらすことができました。
メタボロミクスにとって、これは単一のスペクトルライブラリエントリーを追加することよりも重要です：未知の質量スペクトルはもはや「マッチするか」「マッチしないか」という二択の結果ではなく、構造仮説を立てたり検証したりするための出発点となりつつあります。
