SpecBridge：通过跨模态对齐桥接质谱和分子表示
机器学习
2026-03-05 v3 计算工程、金融与科学
摘要
小分子从串联质谱（MS/MS）中识别仍是无目标设置中的瓶颈，因为谱库不完整。虽然深度学习提供了解决方案，但当前方法通常落入两个极端：显式生成模型按原子逐个构建分子图，或从零开始学习跨模态子空间的联合对比模型。我们引入SpecBridge，一种新型隐式对齐框架，将结构识别视为几何对齐问题。SpecBridge 对自监督的谱编码器（DreaMS）进行微调，将其投影到冻结的分子基础模型（ChemBERTa）的隐空间中，然后通过余弦相似性检索到固定的数据库中的预计算分子嵌入。 在 MassSpecGym、Spectraverse 和 MSnLib 基准测试中，SpecBridge 将 top-1 检索精度提高了约 20-25%，同时保持可训练参数数量较小。这些结果表明，将其对齐到冻结基础模型是一种实用、稳定的替代方案，无需从头设计新架构。SpecBridge 的代码已发布于 https://github.com/HassounLab/SpecBridge。
引用
@article{arxiv.2601.17204,
title = {SpecBridge: Bridging Mass Spectrometry and Molecular Representations via Cross-Modal Alignment},
author = {Yinkai Wang and Yan Zhou Chen and Xiaohui Chen and Li-Ping Liu and Soha Hassoun},
journal= {arXiv preprint arXiv:2601.17204},
year = {2026}
}
备注
We have found a problem in the preprocessing/evaluation pipeline