MARLIN：无需真实分子式的串联质谱从头分子结构解析
机器学习
2026-07-06 v1
摘要
非靶向串联质谱(MS/MS)每个生物样本可检测数千种小分子，但大多数因不在谱库中而无法鉴定。这些未表征的代谢物和天然产物恰恰是药物发现、生物标志物研究和暴露组学中重要的化合物。计算从头结构解析可以弥合这一差距，但几乎所有最先进的方法都假设真实分子式已知，这是一个对于真正新颖的化合物不存在的“神谕”，并且其本身预测也存在相当大的误差。我们提出了MARLIN，一种从头(de novo)方法，它在任何阶段都无需分子式即可直接从谱图解析结构。一个自监督编码器从原始峰预测分子指纹，一个块扩散语言模型仅根据指纹和仪器测量的前体质量生成候选结构。一个可证明安全的质量壳约束使每个候选物与测量质量保持一致，而无需固定原子清单，并且候选物通过精确的百万分之一(parts-per-million)质量一致性被接受。一个对称噪声目标吸收了编码器误差，一个候选多样性机制防止候选物坍缩为单一结构。在NPLIB1基准上，MARLIN是在没有真实分子式的情况下评估的最强方法，在精确匹配准确率、结构距离和指纹相似性方面均表现优异，并且它作为副产品恢复正确分子式的频率与专用预测器相当，而从未使用过预测器。MARLIN在分子式不可用的现实发现场景中实现了可靠的从头结构解析。
引用
@article{arxiv.2607.04774,
title = {MARLIN: De Novo Molecular Structure Elucidation from Tandem Mass Spectra without a Ground-Truth Formula},
author = {Xujun Che and Xiuxia Du and Depeng Xu},
journal= {arXiv preprint arXiv:2607.04774},
year = {2026}
}