Core Concepts
FraGNNetは、構造化された潜在空間を使用して質量スペクトルを効率的かつ正確に予測し、スペクトルを定義する基礎的なプロセスに関する洞察を提供する新しい確率的手法である。
Abstract
本論文では、質量スペクトルを効率的かつ正確に予測するための新しい手法「FraGNNet」を提案している。FraGNNetは、組み合わせ的な結合切断手法と原理的な確率モデリングを統合したアプローチを取る。
まず、ヒューリスティックな結合切断アルゴリズムを使用して、可能性のある分子フラグメントのセットを生成する。次に、グラフニューラルネットワークによってパラメータ化された確率モデルが、これらのフラグメントの分布を予測する。この分布は、化学式の分布を誘導し、それらの質量を計算することで質量スペクトルを生成する。
この手法により、極めて高分解能のピーク予測が可能になり、同時にフォーミュラやフラグメントの注釈も得られる。実験の結果、FraGNNetは予測誤差と検索性能の両面で最先端の性能を達成することが示された。また、潜在的な分布の分析を通じて、フラグメンテーションプロセスに関する洞察を得ることもできる。
Stats
質量スペクトルの予測誤差は、FraGNNet-D4モデルで0.717±0.001、FraGNNet-D3モデルで0.702±0.001と報告されている。
FraGNNet-D4モデルのOS ピーク確率は0.097±0.000、FraGNNet-D3モデルでは0.171±0.000である。