MADGEN — Mass-Spec attends to De Novo Molecular generation

要約

MS/MSスペクトルのアノテーション（構造化学的同一性の付与）は、生物学的サンプルに含まれる膨大な分子多様性と参照データベースの範囲が限られているため、依然として重要な課題となっている。現在、スペクトル測定の大部分は、構造注釈のない「暗黒の化学空間」にとどまっている。アノテーションを改善するために、我々はMADGEN(Mass-spec Attends to De Novo Molecular GENeration)を提案する。MADGENは、質量分析データから導かれるde novo分子構造生成のためのスキャフォールドベースの手法である。MADGENは、スキャフォールド検索と、スキャフォールドから始まるスペクトル条件付き分子生成の2段階で動作する。第一段階では、MS/MSスペクトルが与えられたとき、足場検索をランキング問題として定式化し、質量スペクトルと分子足場候補の整列に対照学習を用いる。第2段階では、検索された足場から出発して、最終的な分子を生成するための注意に基づく生成モデルを導くためにMS/MSスペクトルを用いる。我々のアプローチは、分子生成の検索空間を制約し、その複雑さを軽減し、生成精度を向上させる。3つのデータセット（NIST23、CANOPUS、MassSpecGym）でMADGENを評価し、予測スキャフォールド・リトリーバとオラクル・リトリーバでMADGENの性能を評価した。我々は、オラクルリトリーバで強力な結果を達成するために、生成プロセス全体を通してスペクトル情報を統合するために注意を用いることの有効性を実証する。

要約(オリジナル)

The annotation (assigning structural chemical identities) of MS/MS spectra remains a significant challenge due to the enormous molecular diversity in biological samples and the limited scope of reference databases. Currently, the vast majority of spectral measurements remain in the ‘dark chemical space’ without structural annotations. To improve annotation, we propose MADGEN (Mass-spec Attends to De Novo Molecular GENeration), a scaffold-based method for de novo molecular structure generation guided by mass spectrometry data. MADGEN operates in two stages: scaffold retrieval and spectra-conditioned molecular generation starting with the scaffold. In the first stage, given an MS/MS spectrum, we formulate scaffold retrieval as a ranking problem and employ contrastive learning to align mass spectra with candidate molecular scaffolds. In the second stage, starting from the retrieved scaffold, we employ the MS/MS spectrum to guide an attention-based generative model to generate the final molecule. Our approach constrains the molecular generation search space, reducing its complexity and improving generation accuracy. We evaluate MADGEN on three datasets (NIST23, CANOPUS, and MassSpecGym) and evaluate MADGEN’s performance with a predictive scaffold retriever and with an oracle retriever. We demonstrate the effectiveness of using attention to integrate spectral information throughout the generation process to achieve strong results with the oracle retriever.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL