Fugu-MT 論文翻訳(概要): De-novo Identification of Small Molecules from Their GC-EI-MS Spectra

論文の概要: De-novo Identification of Small Molecules from Their GC-EI-MS Spectra

arxiv url: http://arxiv.org/abs/2304.01634v1
Date: Tue, 4 Apr 2023 08:46:00 GMT
ステータス: 処理完了
システム内更新日: 2023-04-05 14:36:31.442711
Title: De-novo Identification of Small Molecules from Their GC-EI-MS Spectra
Title（参考訳）: GC-EI-MSスペクトルによる小分子のデノボ同定
Authors: Adam H\'ajek and Michal Star\'y and Filip Jozefov and Helge Hecht and Elliott Price and Ale\v{s} K\v{r}enek
Abstract要約: 機械学習に基づくエンフデノボ法は、その質量スペクトルから直接分子構造を導出する手法が近年注目されている。本稿では,GC-EI-MS スペクトルの特定の利用例に対処するアノベル法について述べる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Identification of experimentally acquired mass spectra of unknown compounds presents a~particular challenge because reliable spectral databases do not cover the potential chemical space with sufficient density. Therefore machine learning based \emph{de-novo} methods, which derive molecular structure directly from its mass spectrum gained attention recently. We present a~novel method in this family, addressing a~specific usecase of GC-EI-MS spectra, which is particularly hard due to lack of additional information from the first stage of MS/MS experiments, on which the previously published methods rely. We analyze strengths and drawbacks or our approach and discuss future directions.
Abstract（参考訳）: 実験によって得られた未知化合物の質量スペクトルの同定は、信頼性のあるスペクトルデータベースが十分な密度の化学空間をカバーしていないため、特に困難である。したがって、その質量スペクトルから直接分子構造を導出する機械学習に基づく 'emph{de-novo} 法が近年注目されている。本報告では,GC-EI-MS スペクトルの特定の利用法であるノベル法について述べる。これは,これまで公表された手法が依存していたMS/MS 実験の第1段階の付加情報が欠如していることから,特に困難である。強みや欠点やアプローチを分析し、今後の方向性について話し合う。

関連論文リスト

DiffMS: Diffusion Generation of Molecules Conditioned on Mass Spectra [60.39311767532607]
DiffMSは式制限エンコーダ-デコーダ生成ネットワークである。我々は、潜伏埋め込みと分子構造を橋渡しする頑健なデコーダを開発する。実験の結果、DiffMS は $textitde novo$ 分子生成で既存のモデルより優れていることが示された。
論文参考訳（メタデータ） (2025-02-13T18:29:48Z)
MADGEN: Mass-Spec attends to De Novo Molecular generation [16.89017809745962]
質量分析データを用いたデノボ分子構造生成のための足場に基づく手法を提案する。 MADGENは、足場検索とスペクトル条件分子生成の2段階で動作する。我々は3つのデータセット(NIST23、CANOPUS、MassSpecGym)上でMADGENを評価する。
論文参考訳（メタデータ） (2025-01-03T18:54:26Z)
MassSpecGym: A benchmark for the discovery and identification of molecules [21.471140898806315]
我々はMS/MSデータから分子の発見と同定のための最初の包括的なベンチマークであるMassSpecGymを提案する。当社のベンチマークは,MS/MSスペクトルをラベル付けした高品質な画像集としては最大である。デ・ノボ分子構造生成、分子検索、スペクトルシミュレーションという3つのMS/MSアノテーションの課題を定義している。
論文参考訳（メタデータ） (2024-10-30T15:08:05Z)
Machine learning meets mass spectrometry: a focused perspective [0.0]
質量分析法 (Mass Spectrometry) は、医学、生命科学、化学、工業製品の品質管理などの分野で広く用いられている方法である。いくつかの質量分析技術の主な特徴の1つは、広範囲のキャラクタリゼーションレベルと、測定毎に生成される大量のデータである。機械学習の手法の開発によって、これらのデータの可能性を解き放つ機会が生まれ、これまでアクセス不能だった発見が可能になる。
論文参考訳（メタデータ） (2024-06-27T14:18:23Z)
Deep Learning Models of the Discrete Component of the Galactic Interstellar Gamma-Ray Emission [61.26321023273399]
H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
論文参考訳（メタデータ） (2022-06-06T18:00:07Z)
Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet Transmission Spectra [68.8204255655161]
我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
論文参考訳（メタデータ） (2022-01-07T22:26:33Z)
Gaussian Process Regression for Absorption Spectra Analysis of Molecular Dimers [68.8204255655161]
本稿では、ガウス過程回帰(GPR)から数値計算のパラメータを選択する機械学習技術に基づくアプローチについて議論する。このアプローチは最適パラメータ集合に素早く収束するだけでなく、完全なパラメータ空間に関する情報を提供する。実際、GPRは量子化学法を用いてこれらのパラメータの直接計算と一致した信頼性の高い結果を与える。
論文参考訳（メタデータ） (2021-12-14T17:46:45Z)
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)
Machine-learning-enhanced time-of-flight mass spectrometry analysis [10.16825220733013]
我々は、現代の機械学習技術を活用して、飛行時間帯の質量スペクトルのピークパターンをマイクロ秒内に同定する手法を提案する。提案手法は、異なる時間飛行質量分析法(ToF-MS)技術から生成された質量スペクトルをクロスバリデーションし、ToF-MSコミュニティにオープンソースでインテリジェントな質量スペクトル分析を提供する。
論文参考訳（メタデータ） (2020-10-02T14:35:47Z)
A Review of 1D Convolutional Neural Networks toward Unknown Substance Identification in Portable Raman Spectrometer [0.0]
ラマン分光法は、品質管理から最先端の生物医学研究まで、強力な分析ツールである。これらは、未知の物質のフィールド分析のために、最初の応答者や法執行機関によって広く採用されている。ラマン分光法による未知物質の検出と同定は、手元にある装置のスペクトルマッチング能力に大きく依存している。
論文参考訳（メタデータ） (2020-06-18T14:28:00Z)
Two-Dimensional Single- and Multiple-Quantum Correlation Spectroscopy in Zero-Field Nuclear Magnetic Resonance [55.41644538483948]
Rb気相セル磁気センサを用いてゼロ磁場で検出された1量子および複数量子相関$J$-spectroscopyを示す。ゼロフィールドでは、エタノールのスペクトルは炭素イソトポマーの混合物として現れ、相関スペクトルは2つの複合スペクトルを分離するのに有用である。
論文参考訳（メタデータ） (2020-04-09T10:02:45Z)

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。