Fentanyl-Hunter: 머신러닝과 다층 네트워크로 펜타닐 ‘대사산물’까지 잡아내다

🧠 배경 — 왜 ‘대사산물’까지 봐야 하나요?

펜타닐과 1,400종 이상으로 추정되는 유사체는 구조를 바꿔 표적 검출을 회피하는 경향이 있습니다. 부모 물질만 보면 실제 노출을 과소평가할 수 있어, 체내·환경에서의 대사산물까지 함께 추적하는 감시 체계가 필요합니다. Fentanyl-Hunter는 고해상도 질량분석(HRMS)의 비표적 분석(NTA) 데이터 위에서 머신러닝 분류기(Fentanyl_Finder)와 다층 분자 네트워크 기반 주석기(Fentanyl_ID)를 결합해, 신규·희귀 유사체 및 대사산물을 빠르고 포괄적으로 선별·동정합니다.

Fentanyl-Hunter 전체 워크플로우, Shi, Changzhi et al. “Machine learning- and multilayer molecular network-assisted screening hunts fentanyl compounds.” Science advances vol. 11,36 (2025), Figure 1

---

🤖 방법 — 분류기 + 네트워크의 이중 엔진

• Fentanyl_Finder(분류기): 772개 MS/MS 스펙트럼을 학습한 랜덤포레스트 기반 질량 빈닝 특징공학 모델로 F1=0.868±0.02, MCC=0.844±0.03를 달성. 요·혈청·수계 매트릭스에서 오탐율 <1.5%, 검출한계(LOD)는 물 5 ng/mL에서 100% 재현, 요는 23종이 <0.5 ng/mL(레미펜타닐 5 ng/mL).
• Fentanyl_ID(주석기): 스펙트럼 유사도 네트워크 + 변환 질량차(PMD) 네트워크 + RT 예측(FenGNN-RT)를 통합.시드(확정물질)에서 이웃(의심 변환체)로 확장해 구조 후보를 랭킹하고 신뢰도(레벨 1~4)를 부여합니다.

Fentanyl_Finder 개발 및 성능, Shi, Changzhi et al. “Machine learning- and multilayer molecular network-assisted screening hunts fentanyl compounds.” Science advances vol. 11,36 (2025), Figure 2

 

Fentanyl_ID와 다층 네트워크, Shi, Changzhi et al. “Machine learning- and multilayer molecular network-assisted screening hunts fentanyl compounds.” Science advances vol. 11,36 (2025), Figure 3

---

🧪 결과 1 — 인비트로·소변에서 ‘신규 27종’ 포함 35개 대사산물

• 인비트로(간 미소체): 펜타닐/레미펜타닐/수펜타닐/알펜타닐에서 기보고 8종 + 신규 27종 = 총 35종 대사산물 동정.
• 소변(패치 사용자): 4종 대사산물 검출(이 중 2종은 인비트로와 일치, 2종은 글루쿠로니드 추정).
• PK 시사점: 일부 대사산물은 1시간 내 급상승 후 5시간 안정화, 실제 노출 바이오마커 유력.
• 도구 비교: GNPS/진단이온-SSA 대비 정밀도↑·FDR↓, 스크리닝 효율 우수.

대사산물 네트워크·시간대별 프로파일·도구 성능 비교, Shi, Changzhi et al. “Machine learning- and multilayer molecular network-assisted screening hunts fentanyl compounds.” Science advances vol. 11,36 (2025), Figure 4

---

🌊 결과 2 — 폐수·공개 데이터 재탐색: 8개국, 다중 매트릭스에서 신호 확인

• 폐수 역학: 하수 유입수에서 노르펜타닐(FM1)이 주요 지표로 확인. 부모 물질만 보는 감시의 한계 보완.
• 전지구 재탐색(MASST+자체 분석): 14개 연구, 250개 파일에서 펜타닐·수펜타닐·노르펜타닐·레미펜타닐산 스펙트럼 매칭. 하수슬러지·하천·해수·인체 시료 등 8개국 분포. 레벨3 추정은 규제·법과학 단독 근거로 사용 금물, 추가 확인 필요.

폐수 검출과 전지구 분포 맵, Shi, Changzhi et al. “Machine learning- and multilayer molecular network-assisted screening hunts fentanyl compounds.” Science advances vol. 11,36 (2025), Figure 5

---

⚖️ 해석 — 현장 적용성, 그리고 주의할 점

• 의의(현장성 강화)
  • 대사산물 중심 감시로 실제 노출·독성 평가를 정밀화.
  • AI-보조 NTA 파이프라인으로 신규·미지 유사체까지 신속 스크리닝·주석화, 공중보건·법의학·환경감시 활용 근거 제시.
• 한계(보수적 해석 필요)
  • MS2 스펙트럼 품질·커버리지 의존 → 저농도 피크 누락 위험.
  • 입체·근접 이성질체 구분 한계 → 표준물질 확인(레벨1)이 최종 확증.
  • 레벨3 추정동정은 추가 검증 전제로만 해석.

---

🧾 한줄평

대사산물 중심의 AI-HRMS 파이프라인으로 펜타닐 노출과 확산을 정밀하게 포착한 연구입니다.

 

참고문헌 : DOI: 10.1126/sciadv.adw2799