論文の概要: SpecTUS: Spectral Translator for Unknown Structures annotation from EI-MS spectra

• arxiv url: http://arxiv.org/abs/2502.05114v1
• Date: Fri, 07 Feb 2025 17:36:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-10 14:55:25.224872
• Title: SpecTUS: Spectral Translator for Unknown Structures annotation from EI-MS spectra
• Title（参考訳）: SpecTUS: EI-MSスペクトルからの未知構造アノテーションのためのスペクトルトランスレータ
• Authors: Adam Hájek, Helge Hecht, Elliott J. Price, Aleš Křenek,
• Abstract要約: 我々は、小分子の構造アノテーションのタスクに対処するディープニューラルネットワークであるSpecTUS: Spectral Translator for Unknown Structuresを提案する。 我々のモデルは、スペクトルから2次元表現への直接変換である構造的テクスムデノボの方法でスペクトルを解析する。 異なるライブラリにまたがる新規構造アノテーションタスクのモデルに対する厳密な評価では,標準データベース検索手法よりも広い範囲で性能が向上した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Compound identification and structure annotation from mass spectra is a well-established task widely applied in drug detection, criminal forensics, small molecule biomarker discovery and chemical engineering. We propose SpecTUS: Spectral Translator for Unknown Structures, a deep neural model that addresses the task of structural annotation of small molecules from low-resolution gas chromatography electron ionization mass spectra (GC-EI-MS). Our model analyzes the spectra in \textit{de novo} manner -- a direct translation from the spectra into 2D-structural representation. Our approach is particularly useful for analyzing compounds unavailable in spectral libraries. In a rigorous evaluation of our model on the novel structure annotation task across different libraries, we outperformed standard database search techniques by a wide margin. On a held-out testing set, including \numprint{28267} spectra from the NIST database, we show that our model's single suggestion perfectly reconstructs 43\% of the subset's compounds. This single suggestion is strictly better than the candidate of the database hybrid search (common method among practitioners) in 76\% of cases. In a~still affordable scenario of~10 suggestions, perfect reconstruction is achieved in 65\%, and 84\% are better than the hybrid search.
• Abstract（参考訳）: 質量スペクトルからの化合物の同定と構造アノテーションは、薬物検出、犯罪法医学、小さな分子バイオマーカー発見、化学工学に広く応用されている。 我々は、低分解能ガスクロマトグラフィー電子イオン化質量スペクトル(GC-EI-MS)からの小さな分子の構造アノテーションのタスクに対処するディープニューラルネットワークであるSpecTUS: Spectral Translator for Unknown Structuresを提案する。 我々のモデルはスペクトルをtextit{de novo} 方式で分析し、スペクトルから2次元構造表現への直接変換を行う。 我々のアプローチは、スペクトルライブラリーで利用できない化合物の分析に特に有用である。 異なるライブラリにまたがる新規構造アノテーションタスクのモデルに対する厳密な評価では,標準データベース検索手法よりも広い範囲で性能が向上した。 NIST データベースからの \numprint{28267} スペクトルを含むホールドアウトテストセットでは、我々のモデルによる1つの提案がサブセットの化合物の43 %を完全に再構成していることを示す。 この単一の提案は,76 %の症例において,データベースハイブリッド検索(実践者間の共通手法)の候補よりも厳密に優れている。 10の提案がまだ手頃な価格のシナリオでは、完全な再構築は65\%で達成され、84\%はハイブリッド検索よりも優れている。

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)
• JESTR: Joint Embedding Space Technique for Ranking Candidate Molecules for the Annotation of Untargeted Metabolomics Data [8.964879518873591]
  アノテーションのための新しいパラダイム(JESTR)を導入する。 分子指紋やスペクトルを明示的に構築する以前のアプローチとは異なり、JESTRはそれらの表現を共同空間に埋め込む。 JESTRを3つのデータセット上でmol-to-specおよびspec-to-FPアノテーションツールに対して評価する。
  論文  参考訳（メタデータ） (2024-11-18T03:03:57Z)
• Deep Spectral Methods for Unsupervised Ultrasound Image Interpretation [53.37499744840018]
  本稿では, 超音波を応用した非教師型深層学習手法を提案する。 我々は、スペクトルグラフ理論と深層学習法を組み合わせた教師なしディープスペクトル法から重要な概念を統合する。 スペクトルクラスタリングの自己教師型トランスフォーマー機能を利用して、超音波特有のメトリクスと形状と位置の先行値に基づいて意味のあるセグメントを生成し、データセット間のセマンティック一貫性を確保する。
  論文  参考訳（メタデータ） (2024-08-04T14:30:14Z)
• Unraveling Molecular Structure: A Multimodal Spectroscopic Dataset for Chemistry [0.1747623282473278]
  このデータセットは、特許データから化学反応から抽出された790k分子の1ドルH-NMR、13ドルC-NMR、HSQC-NMR、赤外線、質量スペクトルからなる。 本研究では, 構造解明, 対象分子のスペクトル予測, 機能群予測などの単一モダリティタスクを評価するためのベンチマークを行う。
  論文  参考訳（メタデータ） (2024-07-04T12:52:48Z)
• 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)
• Decoding Structure-Spectrum Relationships with Physically Organized Latent Spaces [6.36075035468233]
  構造スペクトル関係の発見のための半教師付き機械学習手法を開発し,実証した。 本手法は,個々の構造記述子とスペクトル傾向の1対1マッピングを構成する。 RankAAE法は連続的かつ解釈可能な潜在空間を生成し、各次元は個々の構造記述子を追跡することができる。
  論文  参考訳（メタデータ） (2023-01-11T21:30:22Z)
• 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)
• 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)
• Spectral Analysis Network for Deep Representation Learning and Image Clustering [53.415803942270685]
  本稿ではスペクトル分析に基づく教師なし深層表現学習のための新しいネットワーク構造を提案する。 パッチレベルで画像間の局所的な類似性を識別できるため、閉塞に対してより堅牢である。 クラスタリングに親しみやすい表現を学習し、データサンプル間の深い相関を明らかにすることができる。
  論文  参考訳（メタデータ） (2020-09-11T05:07:15Z)
• A Systematic Approach to Featurization for Cancer Drug Sensitivity Predictions with Deep Learning [49.86828302591469]
  35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。 RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
  論文  参考訳（メタデータ） (2020-04-30T20:42:17Z)

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。