色谱质谱，物性表征测试（可合作），实验耗材，技术培训

研究实例

METRIN-KG

整合植物代谢组、性状与生物互作的知识图谱

图：METRIN-KG知识图谱概念图

GigaScience | 2026 | DOI: 10.1093/gigascience/giag051

📋 作者信息

共同一作：Disha Tandon (University of Neuchâtel, Switzerland; EMBL-EBI, UK)                 Tarcisio Mendes De Farias (SIB Swiss Institute of Bioinformatics, Switzerland)作者：Pierre-Marie Allard (SIB Swiss Institute of Bioinformatics; University of Fribourg, Switzerland)通讯作者：Emmanuel Defossez (University of Neuchâtel, Switzerland)发表日期：2026年4月29日

🏷️ 关键词

知识图谱Knowledge Graph植物代谢组Plant Metabolome功能性状Functional Traits生物互作Biotic InteractionsSPARQLRDF语义网Semantic Web

🌿 研究背景与问题

🔴 数据孤岛问题

植物界核心数据包含三类，但它们长期处于割裂状态：

🧪

代谢组

Metabolomes

植物产生的全部化合物，如次级代谢物

📏

性状

Traits

影响植物生长、存活、繁殖的可测特征

🔗

生物互作

Biotic Interactions

植物与其他生物的关系，调控生态系统

🚧 核心挑战

• 数据体量庞大，格式异构，难以统一处理
• 不同数据库采用不同的分类系统和标识符
• 缺乏跨数据库的关联查询能力
• 物种名称不一致导致数据匹配困难

图：知识图谱概念示意，展示概念间的关联关系

来源：Elsevier Knowledge Graphs

🏗️ METRIN-KG架构设计

📊 三大数据来源

数据源	内容	本体建模
ENPKG	扩展天然产物知识图谱含富集代谢物数据	EMI本体
TRY-db	TRY植物性状数据库全球最大功能性状数据库	EMI-Traits模块
GloBI	全球生物互作数据库寄生、共生、捕食等关系	EMI-Interactions模块

🔄 流水线组件（Pipeline Components）

1. Wikidata数据获取 - 使用SPARQL从Wikidata获取最多15个分类群的谱系和分类数据

2. 分类学匹配 - 将GloBI和TRY-db的分类单元与Wikidata记录进行匹配

3. 知识图谱生成 - 生成表示分类学对齐和性状的RDF三元组

🗂️ EMI本体架构

METRIN-KG基于EMI本体（Earth Metabolome Initiative Ontology）构建，该本体定义了植物代谢组研究的标准化语义模型。EMI本体包含四大核心模块：

图1：EMI本体数据架构快照（UML类图）

来源：METRIN-KG论文 Figure 1

模块	核心类	描述
性状数据建模	semiTrait, TRY Observation, TRY Organism	植物功能性状的结构化表示
互作数据建模	semiInteraction, semiOrganism	物种间生物互作关系记录
代谢物注释	emiChemicalStructure, semiStructuralAnnotation	化合物结构与注释信息
代谢物分析	emiLCMSFeature, emiCMSFeature	LC-MS分析特征数据

📋 数据详情

🌱 TRY数据库性状列表

TRY数据库（TRY Plant Trait Database）是全球最大的植物功能性状数据库，收录了超过200种关键性状。METRIN-KG整合了TRY-db中的核心性状数据，以下是代表性性状列表：

表1：TRY数据库性状列表（叶面积相关性状）

来源：METRIN-KG论文 Table S1

表2：TRY数据库性状列表（比叶面积、株高、种子质量等）

来源：METRIN-KG论文 Table S2

表3：TRY数据库性状列表（叶片寿命、呼吸速率、光合速率等）

来源：METRIN-KG论文 Table S3

🔬 代谢组数据建模

代谢组数据基于ENPKG（Extended Natural Products Knowledge Graph）进行扩展建模，使用EMI本体中的标准术语进行语义标注。主要包括：

• emiChemicalStructure
  ：化合物化学结构信息
• semiStructuralAnnotation
  ：结构注释详情
• emiLCMSFeature
  ：液相色谱-质谱分析特征
• emiCMSFeature
  ：质谱特征数据

图：生态系统中物种间的互作关系类型示意

来源：Dreamstime生态图解

🔍 查询与应用

🌐 SPARQL查询端点

# Qlever端点

https://kg.earthmetabolome.org/metrin/

# SPARQL编辑器

https://sib-swiss.github.io/sparql-editor/metrin-kg

图：SPARQL查询编辑器界面示意

来源：SIB SPARQL Course

📚 5个案例研究

案例	研究内容
CS1	寄生蜂与有害生物的互作关系
CS2	Tabernaemontana coffeoides的SIRIUS结构注释
CS3	Melochia umbellata的正离子模式特征分析
CS4	产生二萜类化合物植物的性状查询
CS5	濒危物种的代谢物与互作数据

💻 代表性SPARQL查询示例

# 示例1：列出近危物种产生的所有代谢物

PREFIX wdt: <http://www.wikidata.org/prop/direct/> PREFIX wd: <http://www.wikidata.org/entity/> PREFIX emi: <http://purl.org/emmi/>  SELECT DISTINCT ?metabolite ?metaboliteName WHERE {   ?taxon wdt:P31 wd:Q65933021 .   ?taxon emi:produces ?metabolite .   ?metabolite emi:hasName ?metaboliteName . }

# 示例2：检索叶经济学光谱中4个性状的数据

PREFIX emi: <http://purl.org/emmi/> PREFIX try: <http://purl.org/try/>  SELECT ?traitName ?value ?unit WHERE {   ?observation a try:TRYObservation .   ?observation try:hasTrait ?trait .   ?observation try:hasValue ?value .   ?trait try:traitName ?traitName .   ?trait try:unit ?unit .   FILTER(?traitName IN ("SLA", "LDMC", "Leaf N content", "Leaf lifespan")) }

# 示例3：列出产生二萜类化合物植物的性状及其值

PREFIX emi: <http://purl.org/emmi/> PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>  SELECT ?plant ?traitName ?value WHERE {   ?plant emi:produces ?metabolite .   ?metabolite rdf:type emi:Diterpene .   ?obs emi:observedOn ?plant .   ?obs emi:hasTrait ?trait .   ?trait emi:traitName ?traitName .   ?obs emi:hasValue ?value . }

# 安装依赖 pip install pipenv pipenv install  # 克隆仓库 git clone https://github.com/earth-metabolome-initiative/metrin-kg  # 运行数据处理流水线 python -m metrin_kg pipeline

📖 文献阅读总结 | 基于GigaScience (2026) METRIN-KG论文DOI: 10.1093/gigascience/giag051

研究范式-基于AI的代谢组学知识图谱构建方法指南

代谢组学数据具有高维度、强异构、多来源的特点——从LC-MS/MS谱图、代谢通路注释到文献中的生化反应，信息分散且缺乏关联。知识图谱（KG） 作为一种结构化语义网络，能将碎片化知识整合为可计算、可推理的统一框架。当AI遇上代谢组学，知识图谱的构建就变得高效而智能。

本文从实践角度出发，提供一套完整的构建方法指南。

一、核心概念速览

AI的作用在于：自动抽取实体与关系、补全缺失知识、推理新关联。

二、整体流程框架

1. 数据源收集

2. 实体识别与关系抽取（AI核心步骤）

3. 知识融合与对齐

4. 图谱存储与表示学习

5. AI驱动的推理与应用

下面逐层展开。

三、数据源：从哪里获取知识

代谢组学的知识主要来自三个层次：

• 结构化数据库：HMDB、KEGG、METLIN、LipidMaps、PubChem

• 半结构化文献：PubMed、PMC中的摘要和全文（XML/PDF）

• 非结构化数据：实验室内部谱图注释、实验记录、研究生笔记（可选）

推荐起点：优先从HMDB和KEGG获取骨架，再通过AI从文献中扩充细节。

四、AI实体识别与关系抽取

这是整个流程中智能化的核心。

4.1 命名实体识别（NER）

任务：从文本中识别“代谢物”“酶”“疾病”等实体。

方案：

• 传统方法：BioBERT、PubMedBERT微调（推荐）

• 轻量级：使用预先训练的spaCy + 自定义词典（词表来自HMDB）

• 注意：代谢物名称存在大量同义词（如“乳酸”=“2-羟基丙酸”），需配合代谢物ID映射工具（如MetaboID、CTS）

代码示例思路（伪代码）：

python

from transformers import AutoTokenizer, AutoModelForTokenClassificationmodel = AutoModelForTokenClassification.from_pretrained("dmis-lab/biobert-v1.1")# 微调于代谢物NER标注数据集

4.2 关系抽取（RE）

任务：识别实体之间的语义关系（“催化”“抑制”“参与”等）。

方案：

• 监督式：使用标注好的RE数据集（如MetabolicRE，或自己标注500-1000条）

• 提示学习（Prompt-based）：将关系抽取转为填空任务，例如：“化合物A __ 酶B” → 填入“被催化”

• 大模型辅助（LLM）：使用GPT-4 / Claude 3 对段落进行批量提取，配合输出结构化JSON

实践建议：混合使用BioBERT+规则（如共现距离）可获得80%以上的召回率。

4.3 从谱图数据中提取知识（进阶）

除了文本，质谱数据本身也可作为知识来源：

• 利用MS2相似性聚类（如GNPS网络）构建“代谢物-碎片离子-化学修饰”关系

• 使用图神经网络将MS2谱图转换为图形表示，再推理出“结构-功能”关联

五、知识融合与对齐

不同来源的实体名称不一致，必须对齐到统一标准。

手工规则 → AI对齐：

1. 字符串相似度：Levenshtein距离 + Jaccard + 词嵌入（如BioWordVec）

2. 跨数据库映射：使用BridgeDB、MetaboLights API自动查询

3. 冲突解决：若一实体有多个KEGG ID，则优先选择最小层级（如HMDB的置信度更高）

产出：一个统一ID体系（可自建 MetabKG-ID 或直接使用HMDB ID）

六、知识图谱存储与表示学习

6.1 存储选型

6.2 图嵌入（Graph Embedding）

目的：将节点映射为向量，用于后续聚类、预测、可视化。

常用算法：

• TransE：简单高效，适合代谢物-反应关系

• RotatE：能处理对称/非对称关系（如“抑制”是非对称的）

• GNN（R-GCN）：可同时利用节点属性（如m/z值）和结构信息

示例：用 PyKEEN 库训练一个代谢通路推理模型。

python

from pykeen.pipeline import pipelineresult = pipeline(    model='RotatE',    dataset='metab_knowledge_graph',# 自定义数据集    training_kwargs=dict(num_epochs=100))

七、AI驱动的推理与应用（亮点）

构建好的知识图谱可以做什么？

7.1 代谢物功能预测

• 输入：未知代谢物与已知图谱中部分连接

• 输出：最可能的通路或酶

• 方法：知识图谱补全（KGC），用模型预测缺失的三元组

7.2 疾病代谢标志物发现

• 给定疾病节点，图谱推理出“距离最近的代谢物”

• 使用 路径排序算法 或 图注意力网络（GAT） 评估代谢物-疾病关联强度

7.3 知识图谱问答（KGQA）

• 非结构化问题：“哪些代谢物与三羧酸循环相关且在糖尿病患者中显著升高？”

• AI解析为SPARQL或Cypher查询，从图谱中直接回答

八、效率工具一览（推荐）

九、落地实战：一个最小可用流程

假设你有10篇代谢组学文献，如何快速构建一个原型知识图谱？

1. 下载XML全文 → PubMed Central

2. NER：使用预训练的 scispacy 识别代谢物、酶

3. RE：用 Claude 3.5 Sonnet 批量提取（每篇给出5-10个关系）

4. 对齐：通过HMDB API统一ID

5. 存储：Neo4j Desktop导入CSV

6. 可视化：Cypher查询 MATCH (n)-[r]->(m) RETURN n,r,m

7. 推理：测试一个简单KGC任务（如“丙酮酸→参与→？？”）

十、常见问题与避坑指南

写在最后

基于AI的代谢组学知识图谱构建，本质上是从数据到知识再到推理的升维过程。它不要求你一次构建一个完美的大图谱——从一个小模块开始（例如“脂质代谢+文献+HMDB”），让AI帮你完成重复的抽取工作，然后你会惊奇地发现，那些原本孤立的实验数据，开始“说出”新的生物学故事。

未来的代谢组学家，也许不是那个最会调优质谱参数的人，而是最会搭建知识图谱、并向它提问的那个人。

加入仪器分析前沿资料信息库，

送质谱学堂代谢组学分析手册

最近建的可以薅羊毛的有关色谱质谱科研内容的小圈子

···························································································································

仪器分析学苑是，致力于为广大科研工作者、技术人员和学生提供丰富的仪器分析知识、实验技巧和行业动态，可以获取您想要的技术文档，测试优惠，实验耗材，尤其对照品和塑料制品，目前开发了免费质谱工具和质谱解谱软件，低价加入小圈子可获取持续更新仪器学习科研资料http://s.a0j.top/C8dcMnC/CBETB

2.包年咨询，仪器分析学苑知识星球

https://t.zsxq.com/0fi0l3WGy

加入仪器分析知识星球包年服务福利：

加入星球福利二：质谱辅助与解谱软件 ms assistant

随着资料逐渐增加，会员人数逐渐增多，每隔半年，星球价格会依据情况相应上浮，早加入，早享受，等待就是成本！

星球价格，不过一顿饭，但是星球却可以持续的给你提供价值，助力市场开拓，销售增长，职场提升。还能扩大行业链接，增加创富可能！

此外仪器分析学苑 可以提供VIP贵宾服务：

专家社群咨询【送知识星球】

2. 个人咨询（单次和一对一）：液相质谱方法开发，empower软件，masslynx软件，unifi软件 qsight simplicity， waters，安捷伦，ab，pe液质联用技术，分子网络GNPS

相关的群聊：

盖独学难成, 唯友为益也，我们给大家建立了一个学习，交流，资源的专业分享平台，群里除了日常可以提问，大神会帮助解答以外，群中还有很多老师分享的文档、资料、书籍，绝对让你受益匪浅！为了防止机器人和无关人员加入：现有两种进群方式

行业动态，职业发展【科学家雄鹰计划】目前分为分析，制剂，生物三个板块【行业大佬背书】

加入一: 分析科学家雄鹰计划群聊a与b，已经超过200人，有大量资源，现转为收费群（19.9），

加入二:9.9元红包，直接入分析科学家雄鹰计划群C，生物科学家雄鹰计划A与制剂科学家雄鹰计划A，关注加星标公众号，在看点赞，转发公众号任意文章在朋友圈3h不删除，邀请入群

测试平台：

实验室生化环材耗材一站实服务，日常耗材，通用仪器

兰杰柯商城https://mall.labgic-ljk.com/，私聊下单，会员可有折扣或福利，优势代理，比克曼，白鲨等，代谢蛋白前处理耗材，其他材料

2. 对照品

20w种有证生化环标准物质bepure（特色同位素液标）https://www.bepurecrm.com/

有证杂质质控：https://www.cato-chem.com/

甄准https://www.zzsrm.cn/ 其他：中药 低聚糖 农残兽药脂质优势代理

3.化学中间体与材料供应

4 复杂中药定性定量测试分析，质谱解谱，代谢组【非靶广靶靶向空间代谢组】，蛋白组，分子网络培训，物性检测SEM ，冷冻SEM，XRD，DSC，TG，ITC，BET等

支持代购分子物质与生化试剂代理品牌:麦克林，阿拉丁，targetmol,sigma，  科进 洁特 耐思 碧云天 索莱宝 凯基 麦迪康  施睿康 源叶 三鹰 江莱 亚科因 陶术 Absea  Apexbio，酶免，艾迪生欢迎咨询等

基于公众号的国内首个科研问答智能体上线了。

大家关注公众号这么久，有些知识搜不到，或者需要找色谱质谱科研资料，我们训练了几十本色谱质谱书籍及包括上千篇公众号文章，而且不断更新，现在关注公众号，后台发送需要提问问题，或者使用公众号中仪器分析学苑智能体小程序，就可以问答知识，快速找资料了 ，更多咨询问题和资料请关注仪器分析学苑知识星球

部分来源于互联网，B站，公众号等

END

声明：本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。所有文章仅代表作者观点，不代表本站立场。