基于迭代优化的质谱结构鉴定生成模型
机器学习
2026-02-10 v1
摘要
液相色谱串联质谱 (LC-MS/MS) 是分子鉴定在代谢组学、环境化学和化学 Forensic 中至关重要的分析技术。虽然已涌现出各种计算方法用于对感兴趣的谱图特征进行结构注释，但许多这些特征无法通过参考结构或谱图进行自信鉴定。本文引入 FOAM (Formula-constrained Optimization for Annotating Metabolites)，一种将从 LC-MS/MS 进行结构鉴定作为迭代优化问题的计算工作流程。FOAM 将公式约束的图遗传算法与谱模拟耦合，以探索给定实验谱图的候选注释。我们在 NIST'20 和 MassSpecGym 数据集上展示了 FOAM 作为独立鉴定管道和作为现有逆模型的补充工具的性能。本工作确立了迭代优化作为结构鉴定的有效且可扩展范式。
引用
@article{arxiv.2602.07708,
title = {Quantifying Explanation Quality in Graph Neural Networks using Out-of-Distribution Generalization},
author = {Ding Zhang and Siddharth Betala and Chirag Agarwal},
journal= {arXiv preprint arXiv:2602.07708},
year = {2026}
}