基于子结构匹配从质谱解析化学结构
化学物理
2018-11-21 v1 机器学习
机器学习
摘要
化学结构解析是当今分析化学中的一个严重瓶颈。我们解决了在给定未知化学威胁的质谱和化学式的情况下识别该威胁的问题，这是一项训练有素的化学家也可能需要数天才能完成的任务。给定一个化学式，可能存在超过一百万种可能的候选结构。我们采取数据驱动的方法对这些结构进行排序，使用神经网络根据质谱预测子结构的存在，并将这些子结构与候选结构进行匹配。我们在一个为未知化学威胁识别而构建的化学试剂数据集上实证评估了我们的方法。我们表明，我们的子结构分类器可以达到超过 90% 的微平均 F1 分数，并且对于两类化合物，我们能在 88% 和 71% 的测试案例中于前 20 个候选中找到正确结构。
引用
@article{arxiv.1811.07886,
title = {Chemical Structure Elucidation from Mass Spectrometry by Matching Substructures},
author = {Jing Lim and Joshua Wong and Minn Xuan Wong and Lee Han Eric Tan and Hai Leong Chieu and Davin Choo and Neng Kai Nigel Neo},
journal= {arXiv preprint arXiv:1811.07886},
year = {2018}
}