脂质分子结构复杂，异构体繁多且商业化标准品缺乏。液相质谱是脂质组学研究中的主要分析工具，但面临诸多瓶颈，包括二级质谱信息缺失、质谱图搜库速度慢、脂质数据库不完善、鉴定准确性有待提高等问题。有鉴于此，我们开发出LipidIN人工智能系统，成功构建了涵盖1.68亿条谱图信息的脂质分层谱库，覆盖了大部分可能的脂肪链组成与碳碳双键位置异构体。所开发的快速查询模块显著提升了检索效率，可在1秒内完成对全库数据超过万亿次的查询计算。创新性的脂质群智能模型有效降低假阳性率至5.7%，并在多种物种中注释出8,923种脂质。在注释速度、准确率、覆盖度以及假阳性去除率等关键性能指标上，LipidIN均显著优于现有脂质注释工具。另外，我们还采用计算机可视化算法，开发出定量工具QuanFormer。近期，我们还进一步开发出空间多组学的新型AI系统。