FeatureMAP, 비표적 대사체학의 네트워크 기반 해석 가능
비표적 액체 크로마토그래피-질량 분석(LC-MS) 대사체학은 수천 개의 피크(features)를 생성하지만, 불완전한 대사체 주석(annotation)과 사전 정의된 경로에 대한 의존성으로 인해 생물학적 해석이 제한된다. 본 연구에서는 다중 증거 기반 대사체 주석, 네트워크 기반 정제, 대사 모듈 발견, 그리고 구조화된 대규모 언어 모델 기반 기능적 해석을 통합하는 LC-MS 피크 중심의 계산 프레임워크인 FeatureMAP을 제시한다. 10개의 공개 데이터셋에서 FeatureMAP은 MS1 기반 대사체 후보 우선순위를 개선하고 주석 중복성을 줄였다. 반합성 벤치마크에서 FeatureMAP은 모의 교란의 92%를 복원하는 등 조율된 대사 교란을 복원했으며, 동시적인 대사 과정을 구별해냈다. 통제된 벤치마크에서는 경쟁적인 대사체 수준 신호 하에서 기능적 해석을 추가로 평가했다. FeatureMAP을 기반으로, 326가지 표현형에 걸친 501건의 인간 대사체학 연구에서 유래한 12,929개의 대사 조절 이상 모듈을 포함하는 표현형 인식 지식 그래프인 PhenoMAP을 추가로 개발했다. 모듈 수준 비교를 통해 독립적인 연구들 간에 재현 가능한 대사 유사성이 확인되었다.
Untargeted liquid chromatography-mass spectrometry (LC-MS) metabolomics generates thousands of features, but incomplete metabolite annotation and reliance on predefined pathways limit their biological interpretation. Here we present FeatureMAP, an LC-MS feature-centric computational framework that integrates multi-evidence metabolite annotation, network-guided refinement, metabolic module discovery, and structured large language model-based functional interpretation. Across ten public datasets, FeatureMAP improved MS1-based metabolite candidate prioritization while reducing annotation redundancy. In semi-synthetic benchmarks, FeatureMAP recovered coordinated metabolic perturbations, achieving 92% recovery of a simulated perturbation, and distinguished concurrent metabolic processes. Controlled benchmarks further evaluated functional interpretation under competing metabolite-level signals. Based on FeatureMAP, we additionally developed PhenoMAP, a phenotype-aware knowledge graph comprising 12,929 dysregulated metabolic modules from 501 human metabolomics studies spanning 326 phenotypes. Module-level comparisons revealed reproducible metabolic similarities across independent studies