В статье представлена новая система iDMS (интеллектуальная дифференциальная ионная мобильная спектрометрия), которая использует глубокую нейронную сеть для автоматического прогнозирования оптимальных параметров разделения изомерных моногликосфинголипидов в масс-спектрометрии. Проблема заключается в том, что стандартные методы LC-ESI-MS/MS не могут разделить бета-глюкозил и бета-галактозил эпимеры, что необходимо для мониторинга ферментативных нарушений при таких заболеваниях, как болезнь Гоше, Паркинсона и Краббе. Добавление FAIMS/DMS в качестве ортогональной техники позволяет разделять эпимерные ионные кластеры, но требует ручного подбора параметров (SV и CoV) для каждого липида, что трудоемко и требует чистых синтетических стандартов. Авторы разработали модель машинного обучения, которая обучается на измеренных интенсивностях сигналов для 12 липидов и предсказывает комбинации SV и CoV для разрешения любой пары стереоизомеров. Это ускоряет внедрение MRM-анализов для быстрого количественного определения биологически значимых моногликосфинголипидов. Метод обещает значительное сокращение времени и ресурсов на оптимизацию, а также расширение числа стереоизомеров, которые можно включить в анализ. Работа имеет прямое применение в клинической диагностике и исследованиях наследственных заболеваний.