CCS-Predict Pro

CCS-Predict Pro 是一个机器学习算法工具，能够从化合物的二维结构准确预测碰撞横截面积（CCS）。与传统的 CCS 预测方法相比，速度更快、集成度更高、更易于使用。CCS-Predict Pro 有助于提高化合物注释的准确性、区分同分异构体、识别复杂样本中的代谢物，表征脂质。 该模块已内嵌在代谢组学和脂质组学数据分析软件 MetaboScape^® 中。

CCS-Predict Pro 是各级研究者的重要工具，可以帮助研究者提升预测准确性，科研效率以及研究角度。

长久以来，代谢组学和脂质组学研究人员一直苦于无法将保留时间作为化合物注释的正交标准。保留时间在不同实验室、不同批次、不同仪器和色谱柱，甚至用户偏好的方法中往往不同，因此难以用于高通量或高置信度的注释。CCS-Predict Pro 是一款改变 “ 游戏规则 ” 的产品，将 timsCCS 值引入注释过程，增加了正交标准。这种独特的检测方法考虑了分子的大小和形状，提供了前所未有的注释准确性。此外，CCS 值在不同的仪器、实验室和离子源之间具有可重复性。即使对于没有实验测得 CCS 值的化合物，CCS-Predict Pro 的高精度机器学习算法也能即时预测获得 CCS 值。

虽然传统的 CCS 库非常重要，但难以满足不断扩大的代谢物和脂质的化学空间，这意味着研究者无法获取所研究化合物的 CCS 值，从而限制了他们准确注释化合物的能力。

CCS-Predict Pro 克服了这一限制， 从易于获得的二维化合物结构中直接准确地预测 CCS 值。这是一个重大优势，因为研究者现在可以更有信心地注释更多的化合物，即使这些化合物不在现有的 CCS 库中。

在分析生物活性小分子时，研究者经常会发现大量的候选结构式。因此确定最可能的结构式变得非常困难，尤其是当候选结构式在大小和形状上也非常相似。

CCS-Predict Pro 通过预测的 CCS 值对候选结构进行排序，从而简化鉴定过程中的候选结构筛选过程。这有助于研究者快速、轻松地去识别最可能的结构，节省时间和资源。

例如，研究者试图在血样中鉴定一种新代谢物的结构，在这个过程，他们发现了许多候选结构式，但是不确定哪一种候选结构式是最有可能得。

此时可以使用 CCS-Predict Pro 预测所有候选结构的 CCS 值，并与样本中实际测量的结果进行比较。CCS-Predict Pro 可以基于测得的 CCS 值对候选结构进行排序，研究者即可集中精力于 CCS 值匹配度最高的候选结构上，简化最有可能的结构的分析过程。

总之，CCS-Predict Pro 是一款功能强大的工具，能帮助代谢组学和脂质组学研究者简化筛选潜在结构式的排序过程，更快、更高置信度的进行结构选择。