测试时微调的语言模型实现从MS/MS谱图的端到端 de novo 分子结构生成
人工智能
2026-01-19 v2 机器学习
摘要
串联质谱是识别未知小分子结构的基石技术，广泛应用于代谢组学、天然产物发现和环境分析等领域。然而，诸如概率碎片化过程和化学空间大小等因素，使得从此类谱图进行结构鉴定极具挑战性，尤其是在部署条件与训练条件之间存在偏移时。当前方法依赖于已知分子的谱图数据库匹配以及需要中间指纹预测或高成本碎片注释的多步骤管道。我们引入了一种基于transformer模型的新型端到端框架，直接从输入的串联质谱谱图及其对应的分子公式生成分子结构，从而消除对手动注释和中间步骤的需求，同时利用从仿真数据中的迁移学习。为了进一步解决分布外谱图的挑战，我们引入一种测试时微调策略，动态地将预训练模型适应于新的实验数据。我们的方法在MassSpecGym基准测试上实现3.16%的Top-1准确率，在NPLIB1数据集上实现12.88%的准确率，显著优于传统微调方法。在确切恢复确切参考结构方面，基线方法分别被超越27%和67%。即使未恢复确切的参考结构，生成的候选分子也具有化学信息性，表现出高度的结构合理性，由强Tanimoto相似性所反映。在NPLIB1上平均Tanimoto相似性提高了83%，在MassSpecGym上提高了64%。我们的框架结合了简单性和适应性，生成准确的分子候选，为对未见谱图的专家解释提供了有价值的指导。
引用
@article{arxiv.2510.23746,
title = {Test-Time Tuned Language Models Enable End-to-end De Novo Molecular Structure Generation from MS/MS Spectra},
author = {Laura Mismetti and Marvin Alberts and Andreas Krause and Mara Graziani},
journal= {arXiv preprint arXiv:2510.23746},
year = {2026}
}