FlowMS：用于从质谱图谱中 de novo 结构鉴定的流匹配
机器学习
2026-03-20 v1
摘要
质谱（MS）是分子鉴定的基石分析技术，但从谱图中进行 de novo 结构鉴定仍具有挑战性，因为化学空间的组合复杂性以及谱图片段模式的内在歧义。最近的深度学习方法，包括自回归序列模型、基于骨架的方法和图扩散模型，取得了进展。然而，基于扩散的生成在这一任务上仍计算昂贵。与此同时，离散流匹配在图生成中显示出强大的性能，尚未被探索用于谱图条件化结构鉴定。在本工作中，我们引入 FlowMS，这是第一个用于谱图条件化 de novo 分子生成的离散流匹配框架。FlowMS 通过概率空间中的迭代细化生成分子图，同时在条件化来自预训练公式转换器编码器的谱图嵌入的同时强制执行化学式约束。值得注意的是，它在 NPLIB1 基准测试的 6 个指标中取得了最佳性能：9.15% 的 top-1 准确率（相对于 DiffMS 提高 9.7%）和 7.96 的 top-10 MCES（相对于 MS-BART 提高 4.2%）。我们还可视化了生成的分子，进一步表明 FlowMS 产生的结构上合理的候选人 closely 接近 ground truth 结构。这些结果确立了离散流匹配作为代谢学和天然产物发现中基于质谱结构鉴定的有前景的范式。
关键词
引用
@article{arxiv.2603.18397,
title = {FlowMS: Flow Matching for De Novo Structure Elucidation from Mass Spectra},
author = {Jianan Nie and Peng Gao},
journal= {arXiv preprint arXiv:2603.18397},
year = {2026}
}