[논문 리뷰] MADGEN: Mass-Spec attends to De Novo Molecular generation

Yinkai Wang, Xiaohong Chen외 2명|arXiv (Cornell University)|2025. 01. 03.

Electron and X-Ray Spectroscopy Techniques인용 수 3

한 줄 요약

MADGEN은 MS/MS 스펙트럼에 의해 이끄는 신생 분자 생성용 2단계 골격 기반 프레임워크를 도입합니다: 대조 학습을 통한 골격 검색 및 Markov-bridge 모델과 분류기-없는 가이드를 사용하는 스펙트럼 가이드된 골격 조건부 생성.

ABSTRACT

The annotation (assigning structural chemical identities) of MS/MS spectra remains a significant challenge due to the enormous molecular diversity in biological samples and the limited scope of reference databases. Currently, the vast majority of spectral measurements remain in the "dark chemical space" without structural annotations. To improve annotation, we propose MADGEN (Mass-spec Attends to De Novo Molecular GENeration), a scaffold-based method for de novo molecular structure generation guided by mass spectrometry data. MADGEN operates in two stages: scaffold retrieval and spectra-conditioned molecular generation starting with the scaffold. In the first stage, given an MS/MS spectrum, we formulate scaffold retrieval as a ranking problem and employ contrastive learning to align mass spectra with candidate molecular scaffolds. In the second stage, starting from the retrieved scaffold, we employ the MS/MS spectrum to guide an attention-based generative model to generate the final molecule. Our approach constrains the molecular generation search space, reducing its complexity and improving generation accuracy. We evaluate MADGEN on three datasets (NIST23, CANOPUS, and MassSpecGym) and evaluate MADGEN's performance with a predictive scaffold retriever and with an oracle retriever. We demonstrate the effectiveness of using attention to integrate spectral information throughout the generation process to achieve strong results with the oracle retriever.

연구 동기 및 목표

• MS/MS 스펙트럼의 어둠의 화학 공간에서 주석 달기의 도전 과제를 해결하기 위해 골격 기반의 de novo 생성 방법 제안.
• (i) MS/MS 스펙트럼으로부터 골격 검색, (ii) 스펙트럼에 의해 안내되는 골격 조건부 분자 생성의 두 단계 프레임워크 개발.
• 여러 데이터세트(NIST23, CANOPUS, MassSpecGym)에서 골격 검색(예측적 대 오라클) 및 de novo 생성 평가.
• 주의 기반 스펙트럼 통합이 생성 정확도 및 골격의 구조적 앵커로서의 해석 가능성을 어떻게 향상시키는지 시연.

제안 방법

• 스펙트럼과 골격 임베딩을 정렬하기 위해 대조 학습으로 학습된 랭킹 문제로 골격 검색을 공식화하고, 스펙트럼용 MLP와 골격용 GNN의 두 인코더를 사용.
• 코사인 유사도를 공유 잠재 공간에서 사용하여 생성에 대한 상위 k 개의 골격 후보를 선택.
• 벤치마킹 2단계로서 두 번째 스테이지에서 RDKit를 사용해 분자 그래프에서 올바른 골격을 추출하는 오라클 검색 변형 제공.
• 골격 조건부 de novo 생성 수행: Markov-bridge 기반의 엣지 생성 과정으로 골격에 점진적으로 원자를 연결.
• 각 단계에서 질량 스펙트럼을 CFG 스케일된 로짓 조합으로 조건화하는 분류기-없는 가이드를 도입.
• 질량 스펙트럼을 피크의 시퀀스로 인코딩하고 자기 주의 적용, 노드와 엣지 간 교차 주의를 통해 그래프 신경망에 스펙트럼 정보를 주입.

Figure 1: MADGEN overview and example. (a) The overview of MADGEN. The mass spectra are used to rank scaffold candidates through contrastive learning. The top-ranked scaffold, with blue edges fixed, serves as a foundation for de novo molecule generation, guided by the spectra at each generation step

실험 결과

연구 질문

• RQ1 MS/MS 스펙트럼을 효과적으로 사용하여 de novo 생성을 위한 타당한 분자 골격을 검색할 수 있는가?
• RQ2 골격 기반의 de novo 생성이 엔드투엔드 접근법과 비교하여 생성 정확도와 해석 가능성을 향상시키는가?
• RQ3 오라클 골격 시나리오가 예측 골격 검색에 비해 정확한 분자 생성을 가능하게 하는가?
• RQ4 스펙트럼 가이던 conditioning과 CFG가 생성 품질과 다양성에 미치는 영향은?
• RQ5 다양한 데이터셋(NIST23, CANOPUS, MassSpecGym)에서 Top-1/Top-10 정확도 및 구조적 유사성 측면에서 MADGEN은 어떻게 수행하는가?

주요 결과

• predictive 골격 검색을 가진 MADGEN은 데이터셋 간 골격 예측 정확도가 34.8%에서 57.8% 사이이며, NIST23에서 골격 다양성으로 인해 SPA가 더 높은 편이다.
• 예측 골격 검색은 상위 1개 분자 생성 정확도가 제한적으로 나타내며(예: NIST23에서 10.3%; CANOPUS 1.0%; MassSpecGym 0.8%).
• 오라클 골격 검색은 성능을 크게 향상시키며 NIST23에서 Top-1 49.0%, Top-10 65.5%, CANOPUS에서 Top-1 8.9%, Top-10 65.5%? MassSpecGym에서 Top-1 18.8%.
• MADGEN은 오라클 골격으로 무작위 생성에 대해 게시된 MassSpecGym 최적 결과를 능가하며, de novo 생성에서 올바른 골격의 가치를 보여줌.
• 변형 연구에서 토큰화 + 자기 주의 + 교차 주의 및 CFG(node-level)가 테스트 구성 중 최적의 조건화 성능을 보임.
• 민감도 분석에 따르면 더 많은 자유 원자(더 큰 골격)가 생성 난이도를 증가시키고 정확도를 감소시킴.

Figure 2: Overview of the MADGen model framework. The input consists of m/z peaks and intensities $(m,I)$ , which are passed through an MLP for embedding. These embeddings are processed through self-attention and combined with the molecular graph’s node and edge embeddings via cross-attention. The n