一步之遥的指纹，巨大的飞跃：从质谱生成 从头开始分子.pdfVIP

一步之遥的指纹，巨大的飞跃：从质谱生成

从头开始分子

NengKaiNigelNeonnengkai@.sg

LimJingljing2@.sg

NgouiYongZhauPrestonnyongzha@.sg

KohXueTingSereneKXueTin2@.sg

ShenBingquanSBingqua@.sg

本DSONationalLaboratories

译Singapore

中

2

vAbstract

0

8

1处理从质谱图生成从头开始分子的问题的常见方法涉及一个两阶段管道：（1）将质谱编码为

4

0分子指纹，然后是（2）将这些指纹解码为分子结构。在我们的工作中，我们采用迷雾(Goldman

.

8etal.,2023)作为编码器和分子锻造(Ucaketal.,2023)作为解码器，并利用预训练来提升

0性能。值得注意的是，对分子锻造进行预训练特别有效，使其能够作为一个稳健的指纹到结

5

2构解码器发挥作用。此外，与传递指纹中每个位的概率不同，将概率视为阶跃函数有助于使

:

v解码器专注于子结构的存在，即使由迷雾预测出的指纹仅在Tanimoto相似性方面适度地类

i

x似于真实值时，也能提高准确分子结构的恢复。这种编码器和解码器的组合比以前最先进的

r

a方法提高了十倍，从质谱图中正确生成了前1名28%/前10名36%的分子结构。我们将此

管道定位为从质谱中阐明从头开始分子的未来研究的强大基线。

1介绍

质谱（MS）是分析化学中的一项基础技

术，广泛用于有机分子的结构表征(Nor-

iegaetal.,2022)。通过提供高分辨率的

质量测量（精确到小数点后四位），MS

能够准确推断分子式。此外，离子化过程

产生的碎片模式编码了丰富的结构信息，

提供了对分子底层功能基团和键连接性图1:使用质量谱编码器和指纹解码器来解决从头开始分子生成

的洞察。这些特性使MS成为代谢组学问题的管道。

(Alseekhetal.,2021)和环境化学(Lebe-

dev,2013)等领域不可或缺的工具，在这些领域中识别前所未见的化合物至关重要。传统基于检索的方法与

1

精心整理的光谱数据库相结合，已显著提高了从MS数据中识别结构的能力(Bushuievetal.,2024)。然而，

在处理数据库中不可用的新化合物问题时还需要做更多的工作。这为机器学习方法在从头开始分子生成中发

挥核心作用奠定了舞台。

从头开始分子的生成问题多年来一直难以解决，但近期的研究工作显示了解决该问题的进步。机器学习方面

的进展也得益于经过整理的数据集和基准测试，这些有助于稳定地整合并比较方法。解决从质谱中生成从头

开始分子的问题的方法之一是采用两阶段流程：(1)将质谱编码为分子指纹(FP)，然后(2)解码这些指纹为

分子结构(Bohdeetal.,2025)。示例流程如图1所示。因此，生成从头开始分子的问题可以归结为选择合适

的编码器和解码器。

之前使用此管道的方法由于指纹解码器依赖于由质谱编码器生成的指纹而性能不