arXiv cs.CL· Xin Zhao, Yumin Liu, Zhuo Li, Weichu Zheng, Feng Zhu, Xiaokang Yang, Yaohui Jin, Yanyan Xu·· 10 小时前AI 评分31
MS-GPT：将 MS/MS 从头结构解析重构为分子语言模型的谱诱导后验查询
MS-GPT: Rethinking MS/MS De Novo Structure Elucidation as Spectrum-Induced Posterior Querying of a Molecule-Language Model
AI 导读
MS-GPT 将指纹介导的 MS/MS 从头结构解析重构为对条件分子语言模型的谱诱导后验查询，通过活性位密度校准把谱诱导后验转为指纹查询带，并按生成频率与后验相似度对候选池排序。
正文 · AI 翻译
摘要：从串联质谱（MS/MS）中解析分子结构是分析化学中的一个核心反问题。现有的大多数 MS/MS 鉴定方法仍依赖于参考谱库或预定义的候选集，而从头（de novo）方法则旨在直接从谱图生成结构。一种常见的从头路线是从谱图预测分子指纹，再据此解码结构，从而能够在大规模仅含分子的语料上预训练解码器。然而，这一范式造成了训练与推理之间的不匹配：解码器在由分子计算得到的 oracle 指纹上训练，但在推理时却要面对由谱图诱导的、含噪的指纹后验，而该后验通常被坍缩为单个阈值化指纹。我们提出 MS-GPT，将指纹介导的从头解析重构为对条件分子语言模型的谱图诱导后验查询。MS-GPT 以指纹和分子式为条件驱动分子语言模型，并通过活跃位密度校准，将谱图诱导的后验转换为位于 oracle 指纹流形附近的一带指纹查询。在该带内采样的候选被汇集，并按生成频率与后验相似度排序。一个轻量级 LoRA 适配器进一步缓解领域特定的后验偏差，同时保留预训练的分子先验。在 NPLIB1 和 MassSpecGym 上，MS-GPT 取得了新的最优结果，Top-1/Top-10 精确匹配准确率分别达到 17.1%/27.6% 和 10.2%/13.2%，且候选池扩展可在推理成本近乎线性增长的情况下提升召回率。源代码和模型检查点可在 此 https URL 获取。
| 注释： | 18 页，13 幅图，11 张表，包括附录。源代码和模型检查点可在 此 https URL 获取 |
| 主题： | 机器学习（cs.LG）；计算与语言（cs.CL） |
| 引用为： | arXiv:2607.23607 [cs.LG] |
| （或 arXiv:2607.23607v2 [cs.LG] 对应此版本） | |
| https://doi.org/10.48550/arXiv.2607.23607 arXiv 颁发的 DOI（通过 DataCite） |
提交历史
来自：Xin Zhao [查看邮箱]
[v1]
2026年7月26日 周日 11:29:23 UTC（1,698 KB）
[v2]
2026年10月29日 周四 18:04:49 UTC（1,760 KB）
来源：arXiv cs.CL · arxiv.org