論文の概要: From MS/MS evidence to adaptive spectroscopic characterization: Reinforcement learning guided by candidate molecular structures
- arxiv url: http://arxiv.org/abs/2610.40264v1
- Date: Thu, 29 Oct 2026 15:27:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-31 05:25:12.526222
- Title: From MS/MS evidence to adaptive spectroscopic characterization: Reinforcement learning guided by candidate molecular structures
- Title（参考訳）: MS/MSエビデンスからアダプティブ・スペクトロスコープ・キャラクタリゼーション:分子構造候補による強化学習
- Abstract要約: 構造インフォームド・ディープQ-ネットワーク(SI-DQN)を提案する。
この政策は、スペクトル表現と候補ランキングと、候補の化学的特徴と構造的差異のスコア重み付き記述とを組み合わせる。
3回のトレーニングで平均すると、SI-DQNはTop-1の精度を80.10%から93.78%に、MS/MSは70.44%から93.31%に向上した。
- 参考スコア（独自算出の注目度）: 11.492759216075974
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Small-molecule identification from tandem mass spectrometry (MS/MS) may require complementary measurements. Herein, we propose a structure-informed deep Q-network (SI-DQN) that uses existing MS/MS evidence to decide whether further characterization is needed, which measurement to request, and when to stop. The policy combines spectral representations and candidate rankings with score-weighted descriptors of the candidates' chemical features and structural differences. The policy was evaluated on 79,462 held-out samples with simulated MS/MS, infrared (IR), and nuclear magnetic resonance (NMR) spectra from the Multimodal Spectroscopic Dataset. Evaluation used fixed hard candidate sets containing the correct structure and equal normalized acquisition costs. Averaged across three training runs, SI-DQN increased Top-1 accuracy from 80.10% to 93.78% for positive-ion MS/MS starts and from 70.44% to 93.31% for negative-ion starts. The corresponding mean additional measurement counts were only 0.227 and 0.340 per sample, respectively. Complete acquisition achieved 97.72% accuracy with four additions, whereas SI-DQN reduced the additional measurement count by 94.3% and 91.5%. Relative to a rule-based policy, SI-DQN reduced the composite loss combining terminal ranking error and acquisition cost by 19.3% and 25.5%. Adding structural information to DQN further improved accuracy while reducing requests across all three training runs. At comparable ranking uncertainty, SI-DQN increased request rates relative to DQN more strongly in groups with high structural disagreement, where larger reductions in composite loss were also observed. Together, these results support using the ambiguity among candidate structures after MS/MS analysis to guide further characterization, providing a quantitative basis for balancing identification performance against subsequent measurement effort.
- Abstract（参考訳）: タンデム質量分析法(MS/MS)による微量分子の同定には相補的な測定が必要である。
そこで本研究では、既存のMS/MSエビデンスを用いて、さらなる特徴付けが必要かどうか、要求する計測結果、停止時期を決定する構造インフォームドディープQ-ネットワーク(SI-DQN)を提案する。
このポリシーは、スペクトル表現と候補ランキングを、候補の化学的特徴と構造的差異のスコア重み付き記述と組み合わせている。
この方針は、シミュレーションMS/MS、赤外線(IR)、マルチモーダル分光データからの核磁気共鳴(NMR)スペクトルを用いた79,462個のホールドアウトサンプルで評価された。
正しい構造と同等な正規化取得コストを含む固定ハード候補セットを用いた評価。
3回のトレーニングで平均すると、SI-DQNはTop-1の精度を80.10%から93.78%に、MS/MSは70.44%から93.31%に向上した。
測定値の平均値はそれぞれ0.227と0.340であった。
完全取得は4つの追加で97.72%の精度を達成し、SI-DQNは94.3%と91.5%の精度で追加測定数を削減した。
規則に基づく政策とは対照的に、SI-DQNは端末のランキングエラーと取得コストを組み合わせた複合損失を19.3%、25.5%削減した。
DQNに構造情報を追加することで、さらに精度が向上し、3つのトレーニング実行全体の要求が削減された。
一方, SI-DQNはDQNに対する要求率を高い構造的不一致群でより強く増加させ, 複合損失の低減も見られた。
これらの結果は、MS/MS分析後の候補構造間のあいまいさを利用して、さらなる特徴付けをガイドし、その後の測定と識別性能のバランスをとるための定量的基盤を提供する。
関連論文リスト
- A Two-Level Clinical Novelty Prioritization Framework for Disease Trajectories Discovered from Longitudinal Electronic Health Records [6.600299648478795]
上流の患者分離型MIMIC-IV v3.1パイプラインで発見された99,527個の分岐モチーフを優先する。
このフレームワークは、パスレベルとノード間セマンティックスを信頼性調整された臨床上の優先度から分離する。
これらの知見は, 検出された軌跡の表現的, 不確実性を考慮した文献的相対的優先順位付けを支援する。
論文 参考訳（メタデータ） (2026-10-14T17:14:29Z) - Adaptive Robust Confidence Sets in High Dimensions [60.353542776481596]
本研究では,不確実性を同時に定量化することにより,情報理論的に最適な適応信頼セットを構築することができることを示す。
統計的には最適であるが、この構成は計算的に不可能である。
論文 参考訳（メタデータ） (2026-10-11T16:00:46Z) - MS-Exam-Gen: An Automatic Benchmark Construction Toolkit for Evaluating LLMs on Multiple Sclerosis-MRI Imaging Knowledge [5.161202800604429]
我々は,MS-MRI知識のためのテキストベース多重選択質問(MCQ)ベンチマークの構築と監査を行うフレームワークであるMS-Exam-Genを提案する。
MS-Exam-Genは、ソースグラウンドの基準、プロトコル、レポート、ディファレンシャル診断をターゲットにしている。
論文 参考訳（メタデータ） (2026-10-05T11:41:57Z) - OCT-FedSIR: Toward Trustworthy Federated Ophthalmic Learning under Annotation Noise [1.8159782319981883]
眼科画像では、疾患の有病率と階級構成の違いは、腐敗した監督によって引き起こされる変化と類似している。
OCT分類のための信頼性を考慮したスペクトルフレームワークであるOCT-FedSIRを紹介する。
我々は、カーマニー、イリノイ大学、シカゴ大学、ウェイクフォレストのデータセット上で、このフレームワークを評価した。
論文 参考訳（メタデータ） (2026-09-13T18:52:17Z) - Robust small-molecule identification from incomplete, degraded, and inconsistent spectra using multimodal mixed-condition training [11.492759216075974]
小分子構造同定のためのマルチモーダル混合条件学習法を提案する。
この戦略は、化学および分光の知識を、欠落した入力構成、モダリティ固有のスペクトル摂動、および化学的に情報を得たスペクトル置換を通じて取り入れている。
提案手法では, 完全入力性能は高く, サンプルレベルのミスマッチ検出も改善された。
論文 参考訳（メタデータ） (2026-09-13T07:39:56Z) - Eligibility-Aware Evidence Synthesis: An Agentic Framework for Clinical Trial Meta-Analysis [49.83108591873481]
EligMetaはエージェントフレームワークで、自動トライアル発見と、資格を意識したメタ分析を統合する。
フレームワークは、目標トライアル間の人口アライメントを反映した類似性に基づく研究重量を計算し、適性基準を構造化する。
論文 参考訳（メタデータ） (2026-04-03T03:18:50Z) - ScholarChemQA: Unveiling the Power of Language Models in Chemical Research Question Answering [54.80411755871931]
質問回答(QA)は、言語モデルの推論と知識の深さを効果的に評価する。
化学QAは、複雑な化学情報を理解しやすい形式に効果的に翻訳することで、教育と研究の両方において重要な役割を担っている。
このデータセットは、不均衡なデータ分散や、潜在的に有用である可能性のあるかなりの量の未ラベルデータを含む、典型的な現実世界の課題を反映している。
収集したデータを完全に活用して,化学的な問題に効果的に答えるQAMatchモデルを提案する。
論文 参考訳（メタデータ） (2024-07-24T01:46:55Z) - Entanglement Distribution Delay Optimization in Quantum Networks with Distillation [51.53291671169632]
量子ネットワーク(QN)は、分散量子コンピューティングとセンシングアプリケーションを実現するために絡み合った状態を分散する。
QSリソース割り当てフレームワークは、エンド・ツー・エンド(e2e)の忠実度を高め、最小レートと忠実度を満たすために提案される。
論文 参考訳（メタデータ） (2024-05-15T02:04:22Z) - Word-Sequence Entropy: Towards Uncertainty Estimation in Free-Form Medical Question Answering Applications and Beyond [52.246494389096654]
本稿ではワードシーケンスエントロピー(WSE)を紹介し,単語レベルとシーケンスレベルの不確実性を校正する手法を提案する。
We compare WSE with six baseline method on five free-form medical QA datasets, using 7 popular large language model (LLMs)。
論文 参考訳（メタデータ） (2024-02-22T03:46:08Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z)
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。