[논문 리뷰] De Novo Molecular Generation from Mass Spectra via Many-Body Enhanced Diffusion

Xichen Sun, Wentao Wei외 3명|arXiv (Cornell University)|2026. 02. 02.

Mass Spectrometry Techniques and Applications인용 수 0

한 줄 요약

MBGen은 MS/MS 스펙트럼으로부터 분자 구조를 생성하기 위해 다체 주의(attention) 메커니즘이 있는 에지 중심 확산 모델을 도입하여 NPLIB1 및 MassSpecGym 벤치마크에서 최첨단 성능을 달성합니다.

ABSTRACT

Molecular structure generation from mass spectrometry is fundamental for understanding cellular metabolism and discovering novel compounds. Although tandem mass spectrometry (MS/MS) enables the high-throughput acquisition of fragment fingerprints, these spectra often reflect higher-order interactions involving the concerted cleavage of multiple atoms and bonds-crucial for resolving complex isomers and non-local fragmentation mechanisms. However, most existing methods adopt atom-centric and pairwise interaction modeling, overlooking higher-order edge interactions and lacking the capacity to systematically capture essential many-body characteristics for structure generation. To overcome these limitations, we present MBGen, a Many-Body enhanced diffusion framework for de novo molecular structure Generation from mass spectra. By integrating a many-body attention mechanism and higher-order edge modeling, MBGen comprehensively leverages the rich structural information encoded in MS/MS spectra, enabling accurate de novo generation and isomer differentiation for novel molecules. Experimental results on the NPLIB1 and MassSpecGym benchmarks demonstrate that MBGen achieves superior performance, with improvements of up to 230% over state-of-the-art methods, highlighting the scientific value and practical utility of many-body modeling for mass spectrometry-based molecular generation. Further analysis and ablation studies show that our approach effectively captures higher-order interactions and exhibits enhanced sensitivity to complex isomeric and non-local fragmentation information.

연구 동기 및 목표

• tandem MS 스펙트럼으로부터 정확한 de novo 분자 구조 생성을 동기 부여한다.
• 원자 중심 및 쌍별 모형의 한계를 다체 에지 상호작용 모델링으로 해결한다.
• 분광 피쳐에 조건화된 에지 중심 확산 프레임워크를 개발한다.
• 스펙트럼 인코더를 먼저 프리트레이닝하고 그래프 디코더를 프리트레이닝한 후 엔드-투-엔드 미세조정으로 학습한다.
• 베이스라인에 비해 동형체 구분 및 화학적 타당성 향상을 입증한다.

제안 방법

• 분자를 노드와 에지 임베딩을 가진 에지 중심 그래프로 표현한다.
• MS/MS 데이터로부터 글로벌 지문 y를 생성하기 위해 스펙트럼 인코더(MIST Formula Transformer)를 사용한다.
• y와 H에 조건화된 에지 특징을 잡음 제거하는 다체 강화 확산 과정을 통해 디코드한다.
• 트립렛 상호작용(i, j, k)을 통해 에지 임베딩을 업데이트하는 다체 주의 모듈을 통합한다.
• FiLM 조건화로 글로벌 스펙트럼 정보를 에지 표현에 주입한다.
• 스펙트럼 인코더 프리트레이닝, 지문–구조 쌍에 대한 디코더 프리트레이닝, 엔드-투-엔드 미세조정의 3단계 방식으로 학습한다.

Figure 1: The mass spectrum comprises fragments from complex bond cleavages, where isomers within the same peak each contribute distinct yet essential insights for accurate molecular generation.

실험 결과

연구 질문

• RQ1 다체 주의 모듈을 통한 고차원 에지 상호작용 모델링이 MS/MS 스펙트럼으로부터 de novo 분자 생성을 개선할 수 있는가?
• RQ2 스펙트럴 피드프린트를 조건으로 한 에지 중심 확산이 원자 중심 베 baseline보다 구조 생성 및 이성질체 구분에서 우수한가?
• RQ3 인코더/디코더 및 다체 모듈의 프리트레이닝이 생성 정확도와 화학적 타당성에 미치는 영향은 무엇인가?
• RQ4 MBGen은 유사한 파편화 패턴을 가진 이성질체를 얼마나 잘 구분하는가?

주요 결과

• MBGen은 NPLIB1 및 MassSpecGym 벤치마크에서 최첨단 Top-1 및 Top-10 정확도를 달성한다.
• NPLIB1에서 MBGen의 Top-1 정확도는 12.20%, Top-10은 22.29%로 DiffMS를 상당한 차이로 능가한다.
• MassSpecGym에서 MBGen의 Top-1 정확도는 7.58%, Top-10은 12.54%로 DiffMS를 능가한다.
• MBGen은 더 높은 MCES 및 타미노토 점수를 보이며 부분 구조 및 전체 분자 유사성이 개선되었음을 시사한다.
• 에일리레이션 연구에서 다체 모듈과 전체 프리트레이닝이 성능 향상에 공동으로 기여하는 것으로 나타난다.
• 케이스 연구는 MBGen이 내부 피크 이성질체 정보를 포착하고 기초 모델보다 복잡한 분자를 더 정확하게 재구성하는 능력을 보여준다.

Figure 2: An overview of MBGen framework.