MassSpecGym：分子发现与鉴定的基准测试
定量方法
2025-02-17 v3 机器学习
摘要
生物和环境样品中分子的发现与鉴定对于推动生物医学和化学科学的发展至关重要。串联质谱（MS/MS）是高通量阐明分子结构的主要技术。然而，从其质谱中解码分子结构极具挑战性，即使由人类专家执行也是如此。因此，绝大多数已获取的MS/MS谱图仍未被解读，从而限制了我们对底层（生物）化学过程的理解。尽管机器学习在从MS/MS谱图预测分子结构方面已取得数十年的进展，但新方法的开发因缺乏标准数据集和评估协议而受到严重阻碍。为解决这一问题，我们提出了MassSpecGym——首个从MS/MS数据中进行分子发现与鉴定的综合性基准测试。我们的基准测试包含最大规模的高质量标注MS/MS谱图公开集合，并定义了三个MS/MS注释任务：从头分子结构生成、分子检索和谱图模拟。它包含新的评估指标和泛化要求严格的数据划分，从而规范了MS/MS注释任务，使该问题对广泛的机器学习社区变得可及。MassSpecGym在https://github.com/pluskal-lab/MassSpecGym上公开发布。
引用
@article{arxiv.2410.23326,
title = {MassSpecGym: A benchmark for the discovery and identification of molecules},
author = {Roman Bushuiev and Anton Bushuiev and Niek F. de Jonge and Adamo Young and Fleming Kretschmer and Raman Samusevich and Janne Heirman and Fei Wang and Luke Zhang and Kai Dührkop and Marcus Ludwig and Nils A. Haupt and Apurva Kalia and Corinna Brungs and Robin Schmid and Russell Greiner and Bo Wang and David S. Wishart and Li-Ping Liu and Juho Rousu and Wout Bittremieux and Hannes Rost and Tytus D. Mak and Soha Hassoun and Florian Huber and Justin J. J. van der Hooft and Michael A. Stravs and Sebastian Böcker and Josef Sivic and Tomáš Pluskal},
journal= {arXiv preprint arXiv:2410.23326},
year = {2025}
}