质谱中未知化合物的精准鉴定一直是一项复杂难题。高质量准确度对未知物鉴定至关重要，而谱图准确度则提供了额外的鉴定能力，即便是在低分辨单四极杆仪器上，也可实现可靠的化合物定性。

　　MassWorks™软件支持通过 TrueCal™完成质量与谱图准确度校正，进而给出未知物的元素组成。在谱库（NIST、PubChem、ChemSpider 等）检索候选结构，或基于质谱碎片推导全新结构之后，研究人员通常会采购或合成对照标样，并借助核磁共振（NMR）完成结构确证。

　　但如果无法采购或合成对照标样，该如何处理？

　　AIRI 技术正是为此而生。

　　Cerno Bioscience公司发布的MassWorks AIRI工具可直接根据疑似化合物结构式直接预测其保留指数RI，结合实测RI数据，可以辅助完成未知物的结构鉴定，尤其是在无法获取标准的情况下，这将是一个非常有用的工具。

　　如此前发表的《未知物分析：在单四极杆GC/MS上鉴定谱库中未收录化合物的策略》一文所述：AIRI 依托机器学习模型，根据候选化学结构预测保留指数，为无法获得实物对照标样的场景提供了一种快速、经济的替代方案。

• AIRI的原理与性能

　　基于PATGN 深度神经网络集成模型，输入化合物化学结构（SMILES），直接预测 Kováts 保留指数 RI，针对半极性 GC 色谱柱优化；同时输出每条预测结果的预测标准差，定量给出预测不确定度、95% 置信区间，便于判断预测结果可靠性。

　　性能指标：平均绝对误差 MAE=15.1；95% 分位绝对误差 46.5，预测精度优于很多传统 RI 预测算法。

　　需要注意的是：① AIRI的模型主要针对半极性色谱柱；② AIRI 给出是预测 RI，不是实测 RI；输出附带不确定度，必须结合质谱（元素组成、碎片、谱图准确度）综合判断，不能单独作为最终定性证据；③ 最终确凿结构确证，依然优先建议 NMR 或者实物标准品验证。

　　引入 AIRI 之后GC/MS未知物鉴定流程：① 质谱推分子式（MassWorks+低分辨GC/MS测定精确质量和分子式，或高分辨质谱测定精确质量和分子式）→ ② 结合碎片离子分子式和碎裂途径，生成候选结构；或谱库（NIST、PubChem、ChemSpider 等）检索候选结构 → ③AIRI 预测 RI 与实测 RI 比对，预先筛选候选，跳过标样采购合成环节做初判 → ④ 只对高置信候选再做标样合成或 NMR 确认。

• AIRI的的操作与结果输出

　　MassWorks AIRI工具的使用非常简单，我们只需要输入待预测保留指数的化合物的SMILES结构式即可（如图1所示），单次最多可输入25个化合物的SMILES结构式，然后点击“Predict Retention index”，几秒钟后即可返回保留指数预测结果。

图1：AIRI中输入待测化合物的SMILES结构式

　　最终的AIRI预测保留指数将呈现在结果表中。

图2：AIRI保留指数预测结果表

• AIRI的应用场景

　　AIRI与 MassWorks 联用，解决单四极杆 GC‑MS 最难的痛点：谱库中不存在、无商用对照标样的 “未知‑未知” 化合物定性。它利用机器学习从候选结构预测 Kováts 保留指数，把色谱保留行为作为独立正交证据，和元素组成、谱图准确度联合打分筛选候选结构，大幅减少标样合成 / 采购需求，缩短分析周期、降低成本。

　　1）谱库不存在的未知物鉴定（Unknown‑Unknown）

　　GC‑MS 检测出的峰在 NIST 等标准谱库没有匹配条目，是 AIRI 最核心用途，尤其适合单四极杆低分辨 GC‑MS 仪器，普通单四极杆原本很难做谱库外未知物。

　　2）无法获取实物标准品的项目

　　待测物标样商业化不可得、合成难度高、成本昂贵、有毒高危，无法购买或合成参考标准品，用 AIRI 预测 RI 做交叉验证，省去标样制备环节，缩短周期、降低实验成本。

　　3）复杂基质、异构体区分

　　多个候选结构有相似质谱碎片，仅靠谱库检索无法区分；AIRI 预测 RI 提供色谱保留行为的独立判据，辅助筛选排除错误候选结构。

　　4）环境、食品、消费品、药物研发领域

　　环境污染物筛查、食品中非预期杂质、药物杂质、代谢物；很多杂质没有商用标样，结合 MassWorks 谱图准确度 + AIRI 预测 RI，完成初步结构推定。

　　5）谱库数据增强

　　为 NIST EI‑MS 库中大量缺少实测 RI 的化合物批量补充 AI 预测 RI 值，提升谱库检索能力。