基于多体增强扩散的质谱去离子分子结构生成
机器学习
2026-02-03 v1 人工智能
摘要
从质谱生成分子结构是理解细胞代谢和发现新型化合物的基本任务。虽然串联质谱（MS/MS）可实现高通量获取碎片指纹，但这些谱图往往反映多个原子和键共同断裂的高阶相互作用——这对于解析复杂异构体和非局部断裂机制至关重要。然而，大多数现有方法采用原子中心或两两相互作用建模，忽略了高阶边相互作用，缺乏系统性地捕获结构生成所必需的多体特征的能力。为克服这些限制，我们提出了 MBGen：一个用于从质谱生成分子结构的多体增强扩散框架。通过整合多体注意力机制和高阶边建模，MBGen 全面利用 MS/MS 谱图中编码的丰富结构信息，实现对新型分子的准确去离子生成和异构体区分。在 NPLIB1 和 MassSpecGym 基准测试中，实验结果表明，MBGen 性能卓越，相较于最先进的方法提升了最高可达 230%，凸显了多体建模在基于质谱的分子生成中的科学价值和实际效用。进一步的分析和消融研究表明，我们的方法有效捕获了高阶相互作用，对复杂异构体和非局部断裂信息的灵敏度得到增强。
引用
@article{arxiv.2602.01643,
title = {De Novo Molecular Generation from Mass Spectra via Many-Body Enhanced Diffusion},
author = {Xichen Sun and Wentao Wei and Jiahua Rao and Jiancong Xie and Yuedong Yang},
journal= {arXiv preprint arXiv:2602.01643},
year = {2026}
}