論文の概要: Exploiting chemical shift variability enables recovery of overlapping metabolites from 1H nuclear magnetic resonance spectra

• arxiv url: http://arxiv.org/abs/2608.07610v1
• Date: Thu, 06 Aug 2026 21:36:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.455984
• Title: Exploiting chemical shift variability enables recovery of overlapping metabolites from 1H nuclear magnetic resonance spectra
• Title（参考訳）: 化学シフト変動による1H核磁気共鳴スペクトルからの重なり合う代謝物の回収
• Abstract要約: 本研究では, 化学シフトを1D 1H NMRの強度として利用する方法を示す。 BSI-NMFは既存の分析手法に欠落した1D 1H NMRスペクトルにおいて、基礎となる化学信号を正確に復元する。
• 参考スコア（独自算出の注目度）: 5.441399852308798
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Overlapping peaks and sample-dependent chemical shift variability prevent reliable metabolite recovery from complex biological spectra. This problem is critical in one-dimensional proton (1D 1H) NMR which has become the standard method providing fast acquisition and information-rich spectra in metabolomics and foodomics. This study demonstrates how chemical shifts can be utilised as a strength in 1D 1H NMR, when suitably modeled through the proposed Bayesian Shift-Invariant Non-negative Matrix Factorization (BSI-NMF) procedure. We find that BSI-NMF accurately recovers the underlying chemical signals in 1D 1H NMR spectra missed by existing analyses approaches across simulations, laboratory created datasets, and a large urine dataset obtained from 2439 people across Europe. Our study highlights how shifts in the chemical signatures - until now perceived as a nuisance - can in fact when suitably modelled be instrumental for unique recovery of metabolites. This creates an opportunity to experimentally induce chemical shifts changes to facilitate unique recovery of spectra.
• Abstract（参考訳）: 重なり合うピークとサンプル依存の化学シフト可変性は、複雑な生物学的スペクトルから信頼できる代謝産物の回収を防ぐ。 この問題は、1次元プロトン (1D 1H) NMRにおいて重要である。 本研究では,提案したベイズシフト不変非負行列因子化法(BSI-NMF)を用いて,化学シフトを1D 1H NMRの強度として活用する方法を示す。 BSI-NMFは1D 1H NMRスペクトルにおいて、シミュレーション、実験室で作成したデータセット、そしてヨーロッパの2439人から得られた大きな尿のデータセットを欠いた化学信号を正確に回収する。 私たちの研究は、現在まで、化学物質のシグネチャの変化が、代謝物のユニークな回復にどのように役立つかを強調しています。 これにより、化学シフトを実験的に誘導し、スペクトルのユニークな回復を促進する機会が生まれる。

関連論文リスト

• Large-scale NMR simulation on a trapped-ion quantum computer [0.0]
  ベンチマーク分子1,2-di-tert-butyl-diphosphaneのエンドツーエンド,大規模ディジタルNMRシミュレーションを実証した。 我々は, 実効的な21スピンモデルのトロッタライズされたリアルタイム進化を実現するため, ハードウェア効率の低減を実現した。
  論文  参考訳（メタデータ） (2026-09-15T12:34:32Z)
• SCENT: Aligning Mass Spectra with Molecular Structure for Olfactory Perception [48.96518000981492]
  直接電子イオン化質量分析法(EI-MS)を嗅覚予測のための代替入力モードとして検討する。 我々は、EI-MS表現と予め訓練された化学構造埋め込みを整合させるマルチモーダルコントラスト学習フレームワークであるSpectrum-to-Chemical EmbeddingalignedmeNT(SCENT)を寄贈する。 マルチラベルの匂い記述子予測タスクでは、SCENTはMSのみのベースラインを著しく上回り、構造ベースモデルに匹敵する嗅覚性能を達成する。
  論文  参考訳（メタデータ） (2026-05-26T13:28:57Z)
• Investigating Spectral Dynamics and Spin Signatures of a Mechanically Isolated Quantum Emitter in hBN [70.39382957795658]
  六方晶窒化ホウ素の機械的に単離された欠陥中心は、コヒーレントな量子エミッタを約束している。 我々は、コプラナー導波路上に集積されたhBN中の単一の機械的に分離された量子エミッタについて検討する。
  論文  参考訳（メタデータ） (2026-04-16T13:24:11Z)
• From Static Spectra to Operando Infrared Dynamics: Physics Informed Flow Modeling and a Benchmark [67.29937933325849]
  Operando IR Predictionは、1つの静的スペクトルからスペクトル指紋の時間分解進化を予測することを目的としている。 OpIRSpec-7Kは、10の異なるバッテリーシステムにわたる7,118の高品質なサンプルで構成されている。 ABCCは最先端の静的、シーケンシャル、および生成的ベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-02-20T18:58:43Z)
• NMRTrans: Structure Elucidation from Experimental NMR Spectra via Set Transformers [41.6373573055135]
  我々は化学文献から抽出した実験的な1ドルHと13ドルCのスペクトルの大規模コーパスであるNMRSpecを構築した。 NMRTransは、スペクトルを無秩序なピークセットとしてモデル化し、モデルの帰納バイアスとNMRの物理的性質を一致させる。
  論文  参考訳（メタデータ） (2026-02-10T03:37:41Z)
• From Human Labels to Literature: Semi-Supervised Learning of NMR Chemical Shifts at Scale [17.999080555353157]
  本研究では,原子レベルの明示的な割り当てを伴わずに,数百万の文献抽出スペクトルからNMR化学シフトを学習する半教師付きフレームワークを提案する。 文献から抽出した大規模無ラベルスペクトルは,NMRシフトモデルをトレーニングするための実用的で効果的なデータ源として有効であることを示す。
  論文  参考訳（メタデータ） (2026-01-26T14:35:25Z)
• 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)
• DiffNMR2: NMR Guided Sampling Acquisition Through Diffusion Model Uncertainty [2.4634393035848494]
  本稿では,タンパク質NMRデータに基づく拡散モデルに基づく新しいサブサンプリング手法を提案する。 提案手法は, モデル不確実性を用いてアンダーサンプルスペクトルを反復的に再構成し, その後のサンプリングをガイドし, 取得時間を著しく短縮する。 この進歩は、薬物発見から物質科学まで、迅速かつ高分解能のスペクトル分析が不可欠である多くの応用を約束する。
  論文  参考訳（メタデータ） (2025-02-06T20:10:28Z)
• TransPeakNet: Solvent-Aware 2D NMR Prediction via Multi-Task Pre-Training and Unsupervised Learning [5.7279868722119325]
  2次元NMRにおけるクロスピーク予測のための教師なしトレーニングフレームワークを提案する。 このアプローチでは、1Hと13Cシフトの注釈付き1Dデータセット上でMLモデルを事前トレーニングし、教師なしの方法で微調整する。 479名のエキスパートアノテートHSQCスペクトルの評価は,従来の手法よりもモデルの方が優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-17T21:52:51Z)
• DDS2M: Self-Supervised Denoising Diffusion Spatio-Spectral Model for Hyperspectral Image Restoration [103.79030498369319]
  ハイパースペクトル画像復元のための自己教師付き拡散モデルを提案する。 textttDDS2Mは、既存の拡散法と比較して、より強力な一般化能力を持っている。 HSIのノイズ除去、ノイズ除去、様々なHSIの超解像実験は、既存のタスク固有状態よりもtextttDDS2Mの方が優れていることを示した。
  論文  参考訳（メタデータ） (2023-03-12T14:57:04Z)
• 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。

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。