近日，我�：Ｑ笫称酚肷锕こ萄г河】涤氪笫萃哦拥脑B教授，在高分辨分离分析代谢组学/脂质组学新方法开发及其在食品健康交叉应用研究方面取得了重要进展。相关成果相继发表于《Nature Communications》（IF=14.7）、《Journal of Hazardous Materials》（IF=12.2）及《Chinese Chemical Letters》（IF=9.4）等国际知名学术期刊。
随着食品营养与安全研究向机制解析与精准干预的纵深发展，代谢组学/脂质组学技术已成为揭示食源性因子作用机制的重要研究手段，而复杂食品/生物体系中代谢物种类繁多、结构高度异质，且注释困难，传统研究在高通量结构解析方面存在显著瓶颈。高分辨质谱技术与人工智能的深度融合，为代谢物的高效识别与鉴定开辟了新路径。针对上述难题，曾珺联合合作单位，创新性地采用“反向代谢组学”策略，结合对代谢物质谱断键规律的精细解析，发展了系列融合高分辨质谱技术与机器学习的代谢组学/脂质组学研究新方法（Nat. Commun.2025, 16, 4566;Chin. Chem. Lett.2025, doi: 10.1016/j.cclet.2025.111027）。这些新方法显著提高了代谢物结构注释的通量、覆盖度和准确性，为食品健康效应的深入探索提供了更为智能、高效的研究工具。
在上述方法学创新的基础上，将所发展的方法体系应用于食品健康效应研究中，首次揭示了高脂饮食子代暴露于食品包装材料来源的新型�：ξ铩覵（BPS）时，所表现出的特异性代谢抵抗机制，白色脂肪与棕色脂肪代谢竞争的失衡，是引发子代肥胖与胰岛素抵抗的关键驱动因素（J. Hazard. Mater.2025, 485, 136895）。
上述系列研究展现了我�？蒲型哦釉谑称方】敌в�、复杂体系高分辨分析及大数据融合应用等前沿交叉领域的综合实力。
(文：海洋食品与生物工程学院/编辑：宣传部）
