MS2MetGAN：基于对抗训练的代谢物-光谱匹配
机器学习
2026-03-17 v1 信息检索
定量方法
摘要
数据库搜索是从串联质谱（MS/MS）中识别代谢物常用的方法。该策略将实验光谱与用户指定的候选代谢物数据库进行匹配，并对候选人进行排序，使真实的代谢物-光谱匹配获得最高得分。机器学习方法已被广泛整合到数据库搜索-based 识别工具中，并显著提升了性能。为进一步提高识别准确性，我们提出了一种新的负样本生成框架。该框架首先使用自编码器学习代谢物结构和 MS/MS 光谱的潜在表征，从而将代谢物-光谱匹配重新定义为潜在向量之间的匹配。随后使用 GAN 生成伪造代谢物的潜在向量，并构建伪造代谢物-光谱匹配作为训练的负样本。实验结果表明，我们的工具 MS2MetGAN 的整体性能优于现有的代谢物识别方法。
引用
@article{arxiv.2603.13342,
title = {MS2MetGAN: Latent-space adversarial training for metabolite-spectrum matching in MS/MS database search},
author = {Meng Tsai and Alexzander Dwyer and Estelle Nuckels and Yingfeng Wang},
journal= {arXiv preprint arXiv:2603.13342},
year = {2026}
}