論文の概要: MemNovo: Look Back at the Spectrum for Balanced De Novo Peptide Sequencing from Mass Spectrometry

• arxiv url: http://arxiv.org/abs/2606.11868v1
• Date: Wed, 10 Jun 2026 09:43:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.396526
• Title: MemNovo: Look Back at the Spectrum for Balanced De Novo Peptide Sequencing from Mass Spectrometry
• Title（参考訳）: MemNovo: 質量分析から得られた平衡デノボペプチドのスペクトルを振り返る
• Authors: Dongxin Lyu, Jingbo Zhou, Hongxin Xiang, Yuqiang Li, Jun Xia,
• Abstract要約: 我々は,ペプチドとスペクトルのコントリビューションを推論時に再バランスさせる,トレーニングフリーでプラグアンドプレイのメカニズムであるMemNovoを提案する。 メムノボはアミノ酸の精度とペプチドの精度を一貫して改善し、カサノボのペプチドの精度は39.1%、インスタノボのペプチドの精度は3.9%向上した。
• 参考スコア（独自算出の注目度）: 21.22527431134635
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: De novo peptide sequencing from tandem mass spectrometry is pivotal in proteomics, enabling identification of novel peptides without reference databases. While recent Transformer-based encoder-decoder models have achieved remarkable performance, we uncover a critical pathology in their inference dynamics. Through comprehensive feature scaling experiments, we demonstrate that existing auto-regressive peptide decoders tend to over-rely on generated-sequence priors while progressively under-utilizing fine-grained physical evidence from the input mass spectrum. This phenomenon leads to suboptimal results, where generated peptide sequences are biologically plausible yet not faithful to the input spectrum. To rectify this, we propose MemNovo, a training-free and plug-and-play mechanism that re-balances peptide and spectral contributions at inference time. MemNovo alleviates the information bottleneck by establishing a persistent spectral memory bank and injecting retrieved features directly into the final decoding stage via an ultra-conservative residual connection. Theoretical analysis confirms that this mechanism restores the mutual information between the decoder state and the raw spectrum. Extensive experiments on the Nine Species benchmark with two representative baselines, Casanovo and InstaNovo, demonstrate that MemNovo consistently improves both amino acid precision and peptide precision, achieving up to 39.1% relative improvement in peptide precision for Casanovo and up to 3.9% for InstaNovo, with negligible computational overhead.
• Abstract（参考訳）: タンデム質量分析法からのデノボペプチドの塩基配列はプロテオミクスにおいて重要であり、参照データベースなしで新規ペプチドの同定を可能にする。 近年のTransformerベースのエンコーダデコーダモデルでは,性能が著しく向上している。 包括的特徴スケーリング実験により、既存の自己回帰ペプチドデコーダは、入力質量スペクトルからの微細な物理的証拠を徐々に過度に活用しつつ、生成系列に過剰に反応する傾向があることを示した。 この現象は、生成されたペプチド配列が生物学的に妥当であり、入力スペクトルに忠実でない、最適以下の結果をもたらす。 そこで本研究では,ペプチドとスペクトルのコントリビューションを推論時に再バランスさせる,トレーニングフリーでプラグアンドプレイのメカニズムであるMemNovoを提案する。 MemNovoは、永続的なスペクトルメモリバンクを確立し、超保守的残差接続を介して、取得した機能を最終復号ステージに直接注入することで、情報のボトルネックを軽減する。 理論的解析により、この機構はデコーダ状態と生スペクトルの間の相互情報を復元することを確認した。 Casanovo と InstaNovo の2つの代表的なベースラインを持つ Nine species ベンチマークの広範な実験により、MemNovo はアミノ酸の精度とペプチドの精度の両方を一貫して改善し、Casanovo のペプチドの精度を39.1%、InstaNovo の3.9%まで改善し、計算オーバーヘッドを無視できることを示した。

関連論文リスト

• Regressor-guided Diffusion Model for De Novo Peptide Sequencing with Explicit Mass Control [21.55210993203977]
  本稿では,デノボペプチド配列決定のための回帰誘導拡散モデルであるDiffuNovoを紹介した。 提案手法は, トレーニング中に新しいペプチドレベルの質量損失がモデル最適化を誘導する一方で, 遅延空間における勾配に基づく更新からの回帰に基づくガイダンスは, 予測されたペプチドを質量制約に固執するように生成する。
  論文  参考訳（メタデータ） (2026-02-23T03:26:25Z)
• Diffusion Decoding for Peptide De Novo Sequencing [71.91773485443125]
  本稿では,離散データ領域に適応した拡散デコーダについて検討する。 これらのデコーダは異なるアプローチを提供し、任意のペプチドセグメントからシーケンス生成を開始することができる。 ペプチドの精度とリコールは依然として0であったが, DINOISER損失関数を用いた最も優れた拡散デコーダ設計により, 0.373でアミノ酸リコールの統計的改善が得られた。
  論文  参考訳（メタデータ） (2025-07-15T03:38:01Z)
• Universal Biological Sequence Reranking for Improved De Novo Peptide Sequencing [32.29218860420551]
  RankNovoは、de novoペプチドシークエンシングを強化する最初の深層構造である。 我々の研究は、既存のシングルモデルパラダイムに挑戦し、正確なde novoシークエンシングのフロンティアを前進させる新しい戦略を提示する。
  論文  参考訳（メタデータ） (2025-05-23T06:56:55Z)
• NovoBench: Benchmarking Deep Learning-based De Novo Peptide Sequencing Methods in Proteomics [58.03989832372747]
  Emphde novoペプチドシークエンシングのための初となるNovoBenchベンチマークを報告する。 多様な質量スペクトルデータ、統合モデル、総合的な評価指標から構成される。 DeepNovo、PointNovo、Casanovo、InstaNovo、AdaNovo、$pi$-HelixNovoといった最近の手法が私たちのフレームワークに統合されています。
  論文  参考訳（メタデータ） (2024-06-16T08:23:21Z)
• AdaNovo: Adaptive \emph{De Novo} Peptide Sequencing with Conditional Mutual Information [46.23980841020632]
  本稿では,各アミノ酸/ペプチド間の条件付き相互情報(CMI)を計算する新しいフレームワークであるAdaNovoを提案する。 AdaNovoは翻訳後修飾(PTM)によるアミノ酸の同定に優れ、データノイズに対する堅牢性を示す。
  論文  参考訳（メタデータ） (2024-03-09T11:54:58Z)
• ContraNovo: A Contrastive Learning Approach to Enhance De Novo Peptide Sequencing [70.12220342151113]
  ContraNovoは、コントラスト学習を利用してスペクトルとペプチドの関係を抽出する先駆的アルゴリズムである。 ContraNovoは、現代最先端のソリューションを一貫して誇張している。
  論文  参考訳（メタデータ） (2023-12-18T12:49:46Z)
• Efficient Prediction of Peptide Self-assembly through Sequential and Graphical Encoding [57.89530563948755]
  この研究は、高度なディープラーニングモデルを用いたペプチドエンコーディングのベンチマーク分析を提供する。 等電点や水和自由エネルギーなど、幅広いペプチド関連予測のガイドとして機能する。
  論文  参考訳（メタデータ） (2023-07-17T00:43:33Z)

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。