[논문 리뷰] FraGNNet: A Deep Probabilistic Model for Tandem Mass Spectrum Prediction

Adamo Young, Fei Wang외 4명|arXiv (Cornell University)|2024. 04. 02.

COVID-19 diagnosis using AI인용 수 8

한 줄 요약

FraGNNet은 두 단계 그래프 신경망과 파편화 DAG를 통합하여 고해상도 MS/MS 스펙트럼을 예측하고 해석 가능한 파편 주석을 가능하게 하는 심층 확률 모델로, 최첨단 C2MS 성능을 달성합니다.

ABSTRACT

Compound identification from tandem mass spectrometry (MS/MS) data is a critical step in the analysis of complex mixtures. Typical solutions for the MS/MS spectrum to compound (MS2C) problem involve comparing the unknown spectrum against a library of known spectrum-molecule pairs, an approach that is limited by incomplete library coverage. Compound to MS/MS spectrum (C2MS) models can improve retrieval rates by augmenting real libraries with predicted MS/MS spectra. Unfortunately, many existing C2MS models suffer from problems with mass accuracy, generalization, or interpretability. We develop a new probabilistic method for C2MS prediction, FraGNNet, that can efficiently and accurately simulate MS/MS spectra with high mass accuracy. Our approach formulates the C2MS problem as learning a distribution over molecule fragments. FraGNNet achieves state-of-the-art performance in terms of prediction error and surpasses existing C2MS models as a tool for retrieval-based MS2C.

연구 동기 및 목표

• 스펙트럼 라이브러리를 보강하기 위해 고해상도, 확장 가능하고 해석 가능한 C2MS 스펙트럼 예측의 필요성을 제고한다.
• 휴리스틱 파편화와 학습된 잠재 분포를 결합한 확률적 C2MS 모델 FraGNNet를 제안한다.
• NIST20 데이터에서 최첨단 스펙트럼 예측 및 향상된 검색 성능을 입증한다.
• 해석 가능한 파편 주석과 불확실성 신호(OS, 잠재 엔트로피)를 제공한다.
• 집합 분석을 통한 주석 일관성을 탐구하여 파편화 모호성을 평가한다.

제안 방법

• 두 단계 접근법: 입력 분자 G와 중원자 골격으로부터 근사 파편 DAG G_F^d를 생성하고; Fragment GNN을 사용하여 파편 및 관련 포뼤라에 대한 분포를 모델링한다.
• GNN으로 매개변수화된 두 잠재 분포: DAG 노드에 대한 P_theta(n) 및 각 노드에서의 포뼤라에 대한 P_theta(f|n).
• 질량 스펙트럼 P_theta(m)은 포뼤라 질량에 대한 가우시안 혼합이며, 분산은 질량에 연결되고 기기 오차를 반영하는 절단이 있다.
• 분자 GNN(GINE 기반)은 원자/결합 임베딩을 생성하고; Fragment GNN은 DAG 노드를 처리하며 서브그래프 특징(heavy-atom skeleton, formula, DAG depth)을 통합한다.
• 손실은 음의 로그 우도와 선택적 outside-support(OS) 처리 및 엔트로피 정규화 목표를 포함하여 해석 가능한 잠재 구조를 촉진한다.
• 엔트로피 정규화된 잠재 용어 H_hat_theta(n), H_hat_theta(f), H_hat_theta(f|n), H_hat_theta(n|f)로 예측 성능과 파편 해석 가능성 사이의 균형을 맞춘다.

Figure 1: Overview of MS/MS: molecules in the sample are ionized to form precursors, filtered by precursor $m/z$ (100 Da), and sent for fragmentation. The fragmentation process stochastically produces fragments with $m/z$ values of 20, 40, 65 Da. The distribution of precursor and fragment $m/z$ valu

실험 결과

연구 질문

• RQ1 FraGNNet가 확장성을 유지하면서 C2MS에 대한 고해상도 스펙트럼 예측을 달성할 수 있는가?
• RQ2 파편화 DAG와 신경 잠재 변수를 통합하는 것이 이진화된 및 다른 고해상도 모델과 비교하여 MS2C 검색 성능을 향상시키는가?
• RQ3 모델이 파편과 포뼤라에 대한 잠재 분포를 통해 해석 가능한 피크 주석을 어느 정도 제공할 수 있는가?
• RQ4 파편화 깊이(d)와 수소 허용도(j)가 스펙트럼 커버리지와 예측 품질에 어떤 영향을 미치는가?
• RQ5 엔트로피 정규화가 정확도를 희생하지 않으면서 파편 주석에 의미 있는 변화를 만들어낼 수 있는가?

주요 결과

• FraGNNet-D4는 NIST20에서 베이스라인 대비 스펙트럼 예측의 코사인 유사도에서 최첨단을 달성하고 여러 지표에서 다른 모델을 능가했다.
• MS2C 검색에서 FraGNNet-D4와 FraGNNet-D3는 ICEBERG, MassFormer, NEIMS보다 상위 1위에서 10위까지 정확도가 크게 높다.
• FraGNNet은 각 노드의 포뼤라-피크 매핑을 제공하여 해석 가능한 피크 주석과 OS(Outside of the Support) 피크를 식별할 수 있는 가능성을 제공한다.
• 파편화 깊이를 d=3에서 d=4로 증가시키면 성능이 향상되고, 더 낮은 P(M_OS)가 더 나은 질량 커버리지를 나타낸다.
• 잠재 주석 분포는 앙상블 간 변동성을 보이며 예측 일관성과 파편화 모호성을 모두 보여주고, 엔트로피 정규화된 앙상블은 뚜렷한 주석 동향을 나타낸다.

Figure 2: Overview of the FraGNNet C2MS model. The input molecule ( $G$ , red box) is processed into an approximate Fragmentation DAG ( $G_{\mathcal{F}^{d}}$ , yellow box) and independently embedded by the Molecule GNN ( $g_{\theta}^{\texttt{MOL}}$ , orange box). Information from the DAG is combined