論文の概要: Efficiently predicting high resolution mass spectra with graph neural networks

• arxiv url: http://arxiv.org/abs/2301.11419v1
• Date: Thu, 26 Jan 2023 21:10:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-30 17:06:33.348329
• Title: Efficiently predicting high resolution mass spectra with graph neural networks
• Title（参考訳）: グラフニューラルネットワークによる高分解能質量スペクトルの効率的な予測
• Authors: Michael Murphy, Stefanie Jegelka, Ernest Fraenkel, Tobias Kind, David Healey, Thomas Butler
• Abstract要約: 質量スペクトルから小さな分子を同定することは、計算メタボロミクスにおける主要な開問題である。 未知のスペクトルは、化学構造の大規模なデータベースから予測されるスペクトルと一致している。 我々は、入力分子グラフから分子式上の確率分布への写像としてスペクトル予測をキャストすることで、このトレードオフを解決する。
• 参考スコア（独自算出の注目度）: 28.387227518307604
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying a small molecule from its mass spectrum is the primary open problem in computational metabolomics. This is typically cast as information retrieval: an unknown spectrum is matched against spectra predicted computationally from a large database of chemical structures. However, current approaches to spectrum prediction model the output space in ways that force a tradeoff between capturing high resolution mass information and tractable learning. We resolve this tradeoff by casting spectrum prediction as a mapping from an input molecular graph to a probability distribution over molecular formulas. We discover that a large corpus of mass spectra can be closely approximated using a fixed vocabulary constituting only 2% of all observed formulas. This enables efficient spectrum prediction using an architecture similar to graph classification - GrAFF-MS - achieving significantly lower prediction error and orders-of-magnitude faster runtime than state-of-the-art methods.
• Abstract（参考訳）: 質量スペクトルから小さな分子を同定することは、計算メタボロミクスの主要な問題である。 未知のスペクトルは、化学構造の大規模なデータベースから計算的に予測されたスペクトルと一致する。 しかし、スペクトル予測への現在のアプローチは、高解像度のマス情報と抽出可能な学習との間のトレードオフを強いる方法で出力空間をモデル化している。 入力分子グラフから分子式上の確率分布へのマッピングとしてスペクトル予測をキャストすることで、このトレードオフを解決する。 質量スペクトルの大きなコーパスは、全ての観測式のうち2%のみを構成する固定語彙を用いて近似できることがわかった。 これにより、グラフ分類(GrAFF-MS)に類似したアーキテクチャを用いて効率的なスペクトル予測が可能となり、最先端の手法よりも予測誤差が大幅に低く、実行命令が高速になる。

関連論文リスト

• FraGNNet: A Deep Probabilistic Model for Mass Spectrum Prediction [5.941101105232284]
  複合質量スペクトルモデル(C2MS)は、予測されたスペクトルで実ライブラリを増大させることで、検索率を向上させることができる。 我々は,C2MS予測のための新しい確率的手法であるFraGNNetを開発し,高分解能スペクトルを効率的に正確に予測する。 提案モデルでは,予測誤差の観点から最先端性能を実現し,検索ベースMS2Cのツールとして既存のC2MSモデルを上回っている。
  論文  参考訳（メタデータ） (2024-04-02T23:16:15Z)
• Datacube segmentation via Deep Spectral Clustering [76.48544221010424]
  拡張ビジョン技術は、しばしばその解釈に挑戦する。 データ立方体スペクトルの巨大な次元性は、その統計的解釈において複雑なタスクを生じさせる。 本稿では,符号化空間における教師なしクラスタリング手法の適用の可能性について検討する。 統計的次元削減はアドホック訓練(可変)オートエンコーダで行い、クラスタリング処理は(学習可能な)反復K-Meansクラスタリングアルゴリズムで行う。
  論文  参考訳（メタデータ） (2024-01-31T09:31:28Z)
• Mass Spectra Prediction with Structural Motif-based Graph Neural Networks [21.71309513265843]
  MoMS-Netは、構造モチーフから得られる情報とグラフニューラルネットワーク(GNN)の実装を用いて質量スペクトルを予測するシステムである。 我々は、様々な質量スペクトルでモデルを試験し、既存のモデルよりもその優位性を観察した。
  論文  参考訳（メタデータ） (2023-06-28T10:33:57Z)
• Towards Predicting Equilibrium Distributions for Molecular Systems with Deep Learning [60.02391969049972]
  本稿では,分子系の平衡分布を予測するために,分散グラフマー(DiG)と呼ばれる新しいディープラーニングフレームワークを導入する。 DiGはディープニューラルネットワークを用いて分子系の記述子に条件付き平衡分布に単純な分布を変換する。
  論文  参考訳（メタデータ） (2023-06-08T17:12:08Z)
• Graph Fourier MMD for Signals on Graphs [67.68356461123219]
  本稿では,グラフ上の分布と信号の間の新しい距離を提案する。 GFMMDは、グラフ上で滑らかであり、期待差を最大化する最適な目撃関数によって定義される。 グラフベンチマークのデータセットと単一セルRNAシークエンシングデータ解析について紹介する。
  論文  参考訳（メタデータ） (2023-06-05T00:01:17Z)
• Prefix-Tree Decoding for Predicting Mass Spectra from Molecules [12.868704267691125]
  我々は、質量スペクトルを分子公式の集合として扱うことにより、分子からの質量スペクトルを予測するための新しい中間戦略を用いる。 質量スペクトル予測タスクにおける有望な実験結果を示す。
  論文  参考訳（メタデータ） (2023-03-11T17:44:28Z)
• Handling Missing Data via Max-Entropy Regularized Graph Autoencoder [37.8103274049137]
  MEGAEはグラフ属性計算のための正規化グラフオートエンコーダである。 グラフスペクトルエントロピーを最大化することでスペクトル集中問題を緩和することを目的としている。 さまざまなベンチマークデータセットにおいて、他の最先端の計算方法よりも優れています。
  論文  参考訳（メタデータ） (2022-11-30T06:22:40Z)
• Unsupervised Spectral Unmixing For Telluric Correction Using A Neural Network Autoencoder [58.720142291102135]
  本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T12:54:48Z)
• MassFormer: Tandem Mass Spectrum Prediction for Small Molecules using Graph Transformers [3.2951121243459522]
  タンデム質量スペクトルは、分子に関する重要な構造情報を提供する断片化パターンをキャプチャする。 70年以上にわたり、スペクトル予測はこの分野において重要な課題であり続けている。 我々はタンデム質量スペクトルを正確に予測する新しいモデルMassFormerを提案する。
  論文  参考訳（メタデータ） (2021-11-08T20:55:15Z)
• Spectral-Spatial Global Graph Reasoning for Hyperspectral Image Classification [50.899576891296235]
  畳み込みニューラルネットワークは、ハイパースペクトル画像分類に広く応用されている。 近年の手法は空間トポロジのグラフ畳み込みによってこの問題に対処しようとしている。
  論文  参考訳（メタデータ） (2021-06-26T06:24:51Z)
• Block-Approximated Exponential Random Graphs [77.4792558024487]
  指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。 本稿では,非自明なERGに対する近似フレームワークを提案する。 我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
  論文  参考訳（メタデータ） (2020-02-14T11:42:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。