你血液裡有幾萬種分子。科學界能叫出名字的，不到一成

🔧 更正紀錄（2026-09-02）

本篇把 DeepMet 叫做「大型語言模型」。取得原始論文之後，這個說法要修正。

• 原文寫什麼：摘要與「一句話結論」寫「Skinnider 的做法是用大型語言模型學習生物化學的文法」；「這是什麼 ③」寫「他們用一個以『人體內已知小分子結構』訓練的大型語言模型」；文末機制底稿也寫「LLM 以已知人體小分子結構訓練」。
• 正確是什麼：依 Nature 原文，DeepMet 是一個化學語言模型（chemical language model），架構是 LSTM（長短期記憶網路），不是 transformer 型的大型語言模型。規模也跟「大型」相反——微調用的訓練集只有 2,046 個已在人體組織或體液中實驗偵測到的代謝物（來自 HMDB），以 SMILES 字串表示；為了應付這個資料量，團隊先在 ChEMBL 第 28 版的類藥分子上做預訓練，再在這 2,046 個代謝物上微調（不凍結任何層）。
• 這個差別為什麼要緊：本篇整篇的比喻是「模型學會了生物化學的文法」。這個比喻其實更貼近真實的 DeepMet，而不是更遠——正因為訓練集小到只有兩千多個分子，它能運作靠的就不可能是記憶，只能是把 ChEMBL 學到的化學語法遷移過來、再學會代謝物特有的偏好。但「大型語言模型」四個字會讓讀者以為這是一個吃了海量語料的通用模型，那是錯的印象。
• 我們怎麼會寫錯：本篇當時沒有原始論文，引用的是二手介紹，而 C&EN 那篇報導的標題就是「Large language model guides exploration of the dark metabolome」。這是本專案第三次踩同一個坑：二手來源把一個有條件的技術描述壓成一個更有力的詞，而更有力的詞讀起來比較像新聞。
• 依據：Nature, 10.1038/s41586-025-09969-x（全文，PMC12960238）｜C&EN 報導標題

我們把更正放在最前面，而不是偷偷改掉。

---

鉤子

抽一管血，丟進質譜儀，你會得到什麼？

幾千個訊號峰。 每一個峰代表一種分子，帶著它的質量資訊。

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——有訊號、有質量、可以被量測、可以在不同人之間比較⋯⋯但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」。

這個借用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。

---