基于结构基序的图神经网络质谱预测
机器学习
2023-06-29 v1 化学物理
定量方法
摘要
质谱是目标分子电离碎片的聚集，在分子结构鉴定的各个领域发挥着关键作用。一种普遍的分析方法涉及谱库检索，即将未知谱与数据库进行交叉比对。然而，此类基于检索的方法的有效性受限于现有质谱数据库的范围，这凸显了通过质谱预测来扩展数据库的必要性。在本研究中，我们提出了基于基序的质谱预测网络（MoMS-Net），该系统利用从结构基序中提取的信息并借助图神经网络（GNNs）来预测质谱。我们在多种质谱上测试了我们的模型，并观察到其优于其他现有模型。MoMS-Net在图级别考虑子结构，这便于纳入长程依赖，同时与图Transformer模型相比使用更少的内存。
引用
@article{arxiv.2306.16085,
title = {Mass Spectra Prediction with Structural Motif-based Graph Neural Networks},
author = {Jiwon Park and Jeonghee Jo and Sungroh Yoon},
journal= {arXiv preprint arXiv:2306.16085},
year = {2023}
}
备注
19 pages, 3figures