免費科普

你血液裡有幾千種分子，科學界能叫出名字的不到一成

每一個峰代表一種分子，帶著它的質量資訊。它們有訊號、有質量、可以被量測、可以在不同人之間比較。

然後你會發現一件令人不安的事：這幾千個峰裡，能夠明確說出「這是什麼分子」的，只有一小部分。

其餘的就掛在那裡。沒有人知道它是什麼。

這批東西在領域內有一個名字：代謝體的「暗物質」。

這個借自天文學的說法很貼切——你抬頭看星空，看得到滿天的光點，但有名字的只有一小部分。差別在於，你血液裡那些沒名字的分子，可能正在決定你的健康。

這是什麼

先講三個詞

代謝體——一個生物體內所有小分子代謝物的總和。基因體是「你的說明書」，蛋白質體是「你造了哪些機器」，代謝體是「你的機器現在正在處理什麼」。

質譜——把分子打成帶電粒子，量測質量與電荷的比值。這是代謝體研究的主力工具。

代謝體暗物質——質譜偵測得到、但無法確認結構的那批分子訊號。

生活場景：一張只有重量的清單

想像你收到一箱東西，但不能打開看。你只拿到一張清單，上面寫著每一件物品的精確重量。

「物品 A：342.1567 公克。」

從重量能推出它是什麼嗎？

有時候可以。 如果你手上有一份目錄，裡面剛好有一件東西是這個重量，而且沒有第二件——那就對上了。

但更多時候不行。 因為很多不同的東西可以有相同的重量。而且如果那個東西根本不在目錄裡，你連比對的對象都沒有。

質譜的處境就是這樣。（實務上還有更多資訊——把分子打碎後看碎片的分布，等於「搖一搖聽聲音」。但即使如此，未知的東西仍然是未知的，因為你沒有它的參考資料。）

這就是問題的本質：質譜的鑑定高度依賴比對資料庫，而資料庫裡只有已知的東西。

機制拆解：生物化學是有文法的

Michael Skinnider 的做法，是一個很優雅的轉向。

先問一個問題：化學上可能存在的小分子，數量大約是多少？

估計值通常落在 10⁶⁰ 這個量級——比可觀測宇宙的原子數還多。

那生物體內實際存在的呢？ 數量級小到不能比。

為什麼差這麼多？ 因為生物不是隨機組裝分子的。生物用的是有限的建構單元（幾十種胺基酸、幾種醣、幾類脂肪酸）、有限的酵素（每種酵素只做特定的化學轉換）、以及演化出來的路徑（不是隨意的）。

所以生物體內的分子，有一種可辨識的「風格」。

而那正好是語言的結構。

英文字母的排列組合是天文數字，但真正是英文單字的只有一小部分。一個學過英文的人看到 recieve，會知道它不對——不是因為他背過所有單字，是因為他學會了規則。

Skinnider 團隊用的就是這個邏輯：拿一個以「人體內已知小分子結構」訓練的大型語言模型，去尋找相關但未知的代謝物。模型學的不是「有哪些分子」，是「什麼樣的結構看起來像生物會做出來的」。

中間那層還是太大——很多不同的分子可以有相同的質量。真正把範圍收起來的是最內層那條規則：生物只用有限的零件、有限的酵素、演化出來的路徑。

語言	真實機制
字母的所有排列	化學上可能的分子（10⁶⁰ 量級）
真正是單字的只有一小部分	生物實際會產生的分子
詞根、詞綴	有限的建構單元
構詞有規則	每種酵素只做特定的轉換
學過英文的人看到錯字會知道	模型學會「什麼看起來像代謝物」

一句話總結

搜尋空間從 10⁶⁰ 縮到可處理的規模，靠的不是算力，是文法。

為什麼重要

四大組學各自回答不同的問題，而代謝體回答的是最接近「現在」的那一個。

基因體是你一生不變的潛能；轉錄體與蛋白質體以小時到天為單位變化；代謝體以分鐘到小時為單位變化——它會因為你吃了什麼、睡了多久、有沒有生病、吃了什麼藥而快速改變。

這讓它在臨床上特別有價值，也讓它特別難。 而它是四者中被解讀得最少的一個：基因體有參考基因組，蛋白質體有蛋白質資料庫，代謝體有一大片沒有名字的暗區。

這片暗區裡有些什麼？疾病特異的代謝標記、癌症的代謝特徵、藥物在體內的實際產物，以及外來物質——你吃進去的汙染物、塑膠添加劑、環境化學品，多半也在這裡面。

一個關於這條線的旁證：Skinnider 在 2025 到 2026 年間連續拿到 Packard Fellowship、Searle Scholar 與 Pew Scholar。這是美國最競爭的三個青年科學家獎項，評審是各領域的資深研究者。連中三元，代表「這個方向重要」的判斷在同儕之間高度一致。

比喻到此為止

語言的比喻在兩個地方失效，而它們的方向剛好相反：

一、★ 對這件事有利的失效：沒有人能「驗證」一個新單字是不是真的存在，但代謝物可以。

模型生成的候選結構，原則上可以用純化、核磁共振、以及合成標準品去對答案。有真值可以對，AI 才不會自說自話——這是化學相對於許多其他生成式 AI 應用的結構性優勢。

二、★ 對這件事不利的失效：英文的規則是穩定的，生物化學的「文法」不是。

代謝的規則會因物種、組織、疾病狀態而不同。一個在健康人血液上訓練的模型，用在腫瘤組織上未必適用——而腫瘤代謝正是最有價值的應用場景之一。這不是理論上的顧慮，是一個真實的方法學風險。

還沒定案的事

一、生成不等於鑑定。 模型可以生成一個「看起來很像代謝物、而且質量對得上」的結構——但那不等於它就是那個分子。從候選到確認，仍然需要純化、核磁共振、以及合成標準品比對。

二、所以瓶頸可能只是被搬到下一站。 如果 AI 每天生成一千個候選，而驗證一個要三個月，整條管線並沒有變快。「證明候選是對的」才是這個領域現在最缺的一步，而不是更多的模型——這句話對整個 AI 進到科學裡的浪潮都成立，不只這一個題目。

三、我們手上沒有效能數據。 我們知道這個方法怎麼運作，不知道它做得多好。沒有數字的方法描述，不足以支撐判斷，所以這篇講的是想法，不是成績。

四、訓練資料的偏差。 模型只認得「像已知代謝物的東西」，而真正有趣的可能正是不像的那些。這是所有生成式科學方法的共同張力。

延伸閱讀

這篇講的是質譜這一端：看得到很多，但認不出來。

另一端在核磁共振——它認得準，但需要純化過、量夠多的樣品。實務上的流程是：質譜先找出「這裡有一個未知的東西」，分離純化之後，再用核磁共振定出結構。那一端我們寫在另一篇。兩邊都被加速，整條「發現未知小分子」的管線才會真的變快。

如果你想知道這兩條線為什麼被我們分別排在第 6 與第 18 名、以及我們寫下了哪五條「到期就回來對帳」的判定條件——其中一條是這個主題唯一真正重要的門檻——那些在研究筆記〈你血液裡有幾萬種分子。科學界能叫出名字的，不到一成〉裡。

來源

Princeton CSML，Michael Skinnider: using generative AI to accelerate discovery of small molecules — 連結
Princeton University（2025-10-15），Michael Skinnider wins 2025 Packard Foundation Fellowship — 連結
Princeton University（2026-06-23），Michael Skinnider named a Pew Scholar — 連結
Searle Scholars Program，Michael Skinnider — 連結
Ludwig Princeton Branch，Michael Skinnider 個人頁 — 連結
Skinnider Lab — 連結

本文為科學技術之教育性資訊，不構成任何投資建議或醫療建議。