論文の概要: SpecBridge: Bridging Mass Spectrometry and Molecular Representations via Cross-Modal Alignment

• arxiv url: http://arxiv.org/abs/2601.17204v1
• Date: Fri, 23 Jan 2026 22:28:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:07.415167
• Title: SpecBridge: Bridging Mass Spectrometry and Molecular Representations via Cross-Modal Alignment
• Title（参考訳）: SpecBridge: 架橋質量分析とクロスモーダルアライメントによる分子表現
• Authors: Yinkai Wang, Yan Zhou Chen, Xiaohui Chen, Li-Ping Liu, Soha Hassoun,
• Abstract要約: 構造同定を幾何学的アライメント問題として扱う新しい暗黙アライメントフレームワークであるSpecBridgeを紹介する。 MassSpecGym、Spectraverse、MSnLibベンチマーク全体で、SpecBridgeはトップ1検索の精度を約20-25%改善している。 これらの結果から,凍結基礎モデルとの整合性は,新しいアーキテクチャをゼロから設計する上で,実用的で安定した代替手段であることが示唆された。
• 参考スコア（独自算出の注目度）: 19.709695379733624
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Small-molecule identification from tandem mass spectrometry (MS/MS) remains a bottleneck in untargeted settings where spectral libraries are incomplete. While deep learning offers a solution, current approaches typically fall into two extremes: explicit generative models that construct molecular graphs atom-by-atom, or joint contrastive models that learn cross-modal subspaces from scratch. We introduce SpecBridge, a novel implicit alignment framework that treats structure identification as a geometric alignment problem. SpecBridge fine-tunes a self-supervised spectral encoder (DreaMS) to project directly into the latent space of a frozen molecular foundation model (ChemBERTa), and then performs retrieval by cosine similarity to a fixed bank of precomputed molecular embeddings. Across MassSpecGym, Spectraverse, and MSnLib benchmarks, SpecBridge improves top-1 retrieval accuracy by roughly 20-25% relative to strong neural baselines, while keeping the number of trainable parameters small. These results suggest that aligning to frozen foundation models is a practical, stable alternative to designing new architectures from scratch. The code for SpecBridge is released at https://github.com/HassounLab/SpecBridge.
• Abstract（参考訳）: タンデム質量分析法(MS/MS)による小分子の同定は、スペクトルライブラリが不完全である未ターゲット設定においてボトルネックとなっている。 ディープラーニングは解を提供するが、現在のアプローチは通常、分子グラフを構成する明示的な生成モデルと、クロスモーダル部分空間をスクラッチから学習するジョイントコントラストモデルという2つの極端に分類される。 構造同定を幾何学的アライメント問題として扱う新しい暗黙アライメントフレームワークであるSpecBridgeを紹介する。 SpecBridgeは自己監督型スペクトルエンコーダ(DreaMS)を微調整し、凍結分子基盤モデル(ChemBERTa)の潜伏空間に直接投射し、あらかじめ計算された分子埋め込みの固定バンクとコサイン類似性により検索を行う。 MassSpecGym、Spectraverse、MSnLibベンチマーク全体で、SpecBridgeはトレーニング可能なパラメータの数を小さく保ちながら、強いニューラルネットワークと比較して、トップ1の検索精度を約20～25%改善している。 これらの結果から,凍結基礎モデルとの整合性は,新しいアーキテクチャをゼロから設計する上で,実用的で安定した代替手段であることが示唆された。 SpecBridgeのコードはhttps://github.com/HassounLab/SpecBridgeで公開されている。

関連論文リスト

• Breaking the Modality Barrier: Generative Modeling for Accurate Molecule Retrieval from Mass Spectra [60.08608779794957]
  本稿では,ジェネレーティブ言語モデルに基づく検索フレームワークであるGLMRを提案する。 検索前の段階では、比較学習に基づくモデルでは、上位候補分子を入力質量スペクトルの文脈的先行として識別する。 生成検索段階において、これらの候補分子は入力質量スペクトルと統合され、精製された分子構造を生成するための生成モデルが導かれる。
  論文  参考訳（メタデータ） (2025-11-09T07:25:53Z)
• DiffSpectra: Molecular Structure Elucidation from Spectra using Diffusion Models [68.19129717255053]
  本稿では、分子構造解明を条件生成プロセスとして定式化する生成フレームワークであるDiffSpectraについて述べる。 我々の実験では、DiffSpectraが分子構造を正確に解明し、40.76%のトップ-1と99.49%のトップ10を達成している。
  論文  参考訳（メタデータ） (2025-07-09T13:57:20Z)
• S$^2$Mamba: A Spatial-spectral State Space Model for Hyperspectral Image Classification [44.99672241508994]
  ハイパースペクトル画像(HSI)を用いた土地被覆解析は、空間分解能の低さと複雑なスペクトル情報のため、未解決の課題である。 ハイパースペクトル画像分類のための空間スペクトル状態空間モデルであるS$2$Mambaを提案する。
  論文  参考訳（メタデータ） (2024-04-28T15:12:56Z)
• Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
  本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。 HSI再構成のための深層学習にHSI空間を埋め込んだCST 特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
  論文  参考訳（メタデータ） (2022-03-09T16:17:47Z)
• Adaptive Linear Span Network for Object Skeleton Detection [56.78705071830965]
  本研究では,適応線形スパンネットワーク(AdaLSN)を提案する。 AdaLSNは、精度とレイテンシのトレードオフを著しく高めることで、その汎用性を裏付ける。 また、エッジ検出や道路抽出といったイメージ・ツー・マスクのタスクに適用可能であることも示している。
  論文  参考訳（メタデータ） (2020-11-08T12:51:14Z)

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。