[论文解读] MassFormer: Tandem Mass Spectrum Prediction with Graph Transformers.

Adamo Young, Bo Wang+1 more|arXiv (Cornell University)|Nov 8, 2021

Metabolomics and Mass Spectrometry Studies参考文献 57被引用 4

一句话总结

MassFormer 提出了一种图注意力变换器模型，用于高精度预测串联质谱图谱，通过利用分子结构和注意力机制，其性能优于现有的深度学习方法。该模型提升了质谱库的覆盖率，并能捕捉碰撞能量的影响，展现出在多种质谱数据集上的泛化能力。

ABSTRACT

Mass spectrometry is a key tool in the study of small molecules, playing an important role in metabolomics, drug discovery, and environmental chemistry. Tandem mass spectra capture fragmentation patterns that provide key structural information about a molecule and help with its identification. Practitioners often rely on spectral library searches to match unknown spectra with known compounds. However, such search-based methods are limited by availability of reference experimental data. In this work we show that graph transformers can be used to accurately predict tandem mass spectra. Our model, MassFormer, outperforms competing deep learning approaches for spectrum prediction, and includes an interpretable attention mechanism to help explain predictions. We demonstrate that our model can be used to improve reference library coverage on a synthetic molecule identification task. Through quantitative analysis and visual inspection, we verify that our model recovers prior knowledge about the effect of collision energy on the generated spectrum. We evaluate our model on different types of mass spectra from two independent MS datasets and show that its performance generalizes. Code available at github.com/Roestlab/massformer.

研究动机与目标

• 为解决小分子鉴定中参考质谱库中实验串联质谱图谱数量有限的问题。
• 开发一种深度学习模型，直接从分子结构高精度预测串联质谱图谱。
• 引入可解释的注意力机制，以解释预测结果并验证已知的碎片化规律。
• 通过为未知化合物生成高质量预测图谱，提升参考质谱库的覆盖率。
• 评估模型在不同来源质谱数据集上的泛化能力。

提出的方法

• MassFormer 使用图神经网络，基于原子和键的特征，将分子结构编码为节点和边的表示。
• 采用带有多头自注意力机制的变换器编码器，以建模分子图中的长程依赖关系。
• 通过图结构表示预测碎片离子的 m/z 和强度配对，从而预测碎片离子强度。
• 分析注意力权重，以解释哪些结构片段对预测峰的贡献最大。
• 在串联质谱数据上端到端训练模型，采用序列到序列预测目标和交叉熵损失。
• 在两个独立的质谱数据集上进行评估，以检验模型在不同实验条件下的泛化能力。

实验结果

研究问题

• RQ1 图变换器模型能否仅基于分子结构准确预测串联质谱图谱？
• RQ2 MassFormer 在来自独立数据集的不同类型质谱图谱上泛化能力如何？
• RQ3 预测图谱在多大程度上能提升未知化合物鉴定中参考质谱库的覆盖率？
• RQ4 MassFormer 中的注意力机制能否恢复已知的化学知识，例如碰撞能量对碎片化的影响？
• RQ5 与现有深度学习方法相比，MassFormer 在谱图预测任务中的性能如何？

主要发现

• 在预测精度方面，MassFormer 优于现有的深度学习谱图预测方法。
• 通过定量和可视化分析验证，该模型成功恢复了已知的化学效应，如碰撞能量对碎片化规律的影响。
• MassFormer 生成的预测图谱在合成分子鉴定任务中显著提升了参考质谱库的覆盖率。
• MassFormer 中的注意力机制为预测峰的来源提供了可解释的分子片段贡献分析。
• 该模型在两个独立质谱数据集的多种类型串联质谱图谱上均表现出良好的泛化能力。
• MassFormer 在不同实验条件和化合物类型下均表现出稳健且一致的性能。