MADGEN: Mass-Spec attends to De Novo Molecular generation

要約

MS/MSスペクトルの注釈（構造化学的アイデンティティの割り当て）は、生物学的サンプルの膨大な分子多様性と限られた参照データベースのために、重要な課題のままです。
現在、スペクトル測定の大部分は、構造的注釈なしで「暗い化学空間」に残っています。
注釈を改善するために、質量分析データに導かれるde novo分子構造生成の足場ベースの方法であるMadgen（Mass-specがde novo分子生成に注意を払う）を提案します。
Madgenは、足場の回収とスペクトル条件の分子生成の2つの段階で動作します。
最初の段階では、MS/MSスペクトルを考慮して、ランキングの問題として足場検索を策定し、対照的な学習を採用して質量スペクトルを候補分子足場と整列させます。
検索された足場から始まる第2段階では、MS/MSスペクトルを使用して、注意ベースの生成モデルを導き、最終分子を生成します。
私たちのアプローチは、分子生成の検索スペースを制約し、その複雑さを軽減し、生成の精度を向上させます。
3つのデータセット（NIST23、Canopus、およびMassSpecgym）でMadGenを評価し、MadGenのパフォーマンスを予測的な足場レトリバーとOracle Retriverで評価します。
Oracle Retriverで強力な結果を達成するために、生成プロセス全体でスペクトル情報を統合するために注意を使用することの有効性を実証します。

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, Google