CoRe-Gen：面向不完美指纹条件下的稳健光谱到结构生成
机器学习
2026-05-14 v1 人工智能
摘要
从 tandem 质谱（MS/MS）中进行分子结构鉴定仍具有挑战性，尤其是超越数据库覆盖范围的 de novo 生成。常见方法将任务分解为光谱到指纹预测再到结构解码，从而能够利用大规模分子语料库。然而，在实际部署中，解码器依赖于预测的指纹而非 oracle 指纹，导致结构误差在生成过程中传播，形成模型在干净输入下训练，却在噪声、偏差的预测输入下运行的根本性条件不匹配，尤其对于长尾亚结构而言。这一问题尤为突出。我们提出的 CoRe-Gen 旨在显式解决此问题。CoRe-Gen 通过对 encoder 进行合成光谱预训练来改进中间条件，在 decoder 训练过程中通过频率感知的指纹损坏以匹配部署时的噪声，并通过结构感知的自回归解码、辅助结构监督和轻量级化学约束来缓解残余误差。在标准基准数据集上进行实验表明，CoRe-Gen 在 NPLIB1 上实现了 19.54% Top-1 和 29.92% Top-10 精确匹配准确率，同时在更具挑战性的 MassSpecGym 数据集上表现出竞争力。重要的是，CoRe-Gen 保持了自回归解码的效率优势，为在真实条件下稳健的光谱到结构生成提供了实用且可扩展的解决方案。
引用
@article{arxiv.2605.12980,
title = {CoRe-Gen: Robust Spectrum-to-Structure Generation under Imperfect Fingerprint Conditions},
author = {Tianbo Liu and Chixiang Lu and Jing Hao and Hengyu Zhang and Lifei Wang and Haibo Jiang and Xiaojuan Qi},
journal= {arXiv preprint arXiv:2605.12980},
year = {2026}
}