GEMS：作为异构体图上学习式搜索的分子结构解析

从分子式和串联质谱中识别小分子结构，仍是非靶向代谢组学和天然产物发现中的瓶颈。即使数据库检索或从头预测未能找到确切结构，所得候选结构仍可通过少量键编辑，为探索邻近结构提供起点。我们提出 GEMS（Guided Editing of Molecular Structures），通过学习得到的 2-switch 键编辑来优化候选结构，同时保持分子式和每个原子的总价态不变。GEMS 使用预训练的谱图到指纹模型 MIST，为每张谱图预测一次指纹概率。神经策略将每个候选结构的指纹与这些预测结果进行比较，将当前存在的特征关联到生成这些特征的原子和化学键，并通过一次前向传播为所有有效编辑打分。该策略基于结构之间的最短编辑路径进行训练，因此可以先利用不含质谱信息的 PubChem 异构体进行预训练，再使用由质谱预测的指纹进行微调。在推理阶段，GEMS 从多个符合给定分子式的初始候选结构出发进行搜索，并根据指纹一致性和多起点共识对候选结构排序。在初始化 PubChem 时排除目标结构的情况下，经过三轮编辑，GEMS 在 NPLIB1 和 MassSpecGym 上的 Hit@1/Hit@10 分别达到 29.64%/50.81% 和 30.22%/41.33%，在可比设置下超过已发表的基线方法。在 NPLIB1 上，GEMS 端到端完成识别约需 3.3 分钟，识别准确率更高，而我们的 FRIGID 运行需要 26.2 小时。GEMS 还能够提升对生成候选结构的识别效果，包括提升由 FRIGID 优化后的候选结构的识别效果。使用精确目标指纹进行的实验表明，指纹预测误差是目标结构恢复和最终排序的瓶颈。无需重新训练，更深层次的搜索即可找回更多目标结构，而且初始候选结构越弱，所获得的提升越大。