Aumentando la escala del Compendio del lenguaje de consulta de espectrometría de masas con IA explicable

Área de la Ciencia:

• Metabolomía
• Química computacional
• La bioinformática

Sus antecedentes:

• La interpretación de los datos metabólicos se ve obstaculizada por los desafíos en la asignación de información estructural a partir de patrones de fragmentación.
• Los métodos actuales de IA / ML para la predicción de la estructura a partir de datos de espectrometría de masas a menudo carecen de transparencia e interpretabilidad.
• El lenguaje de consulta de espectrometría de masas (MassQL) tiene como objetivo estandarizar y simplificar el uso del conocimiento de dominio para asignaciones estructurales.

Objetivo del estudio:

• Introducir ChemEcho, un método de incorporación de aprendizaje automático para convertir los datos de espectrometría de masas en tándem en vectores de características interpretables.
• Para cerrar la brecha entre las predicciones complejas de IA / ML y las reglas legibles por humanos utilizables en MassQL.
• Mejorar las aplicaciones explicables de IA/ML en metabolómica para una mejor anotación estructural.

Principales métodos:

• ChemEcho convierte los datos de espectrometría de masas en tandem en vectores de características dispersas, incluidas las sub fórmulas de masa pico y neutral.
• Los árboles de decisión se entrenaron utilizando incorporaciones de ChemEcho para predecir atributos moleculares, lo que permite la traducción directa a consultas MassQL.
• Se generaron más de 1500 consultas MassQL para 765 características moleculares y se evaluaron para la precisión y el recuerdo.

Principales resultados:

• ChemEcho facilita la creación de árboles de decisión que se traducen directamente en consultas MassQL.
• Las 50 consultas MassQL de mayor rendimiento, incluidas las de PFAS y moléculas con subestructuras de fosfato/sulfato, se agregaron al compendio MassQL.
• La aplicación de las consultas MassQL generadas a un conjunto de datos metabolómicos públicos aumentó significativamente la información estructural derivada de los espectros de masa en tándem.

Conclusiones:

• ChemEcho mejora la explicabilidad de los métodos de IA / ML en metabolómica mediante la generación de consultas MassQL legibles por humanos.
• Las consultas MassQL desarrolladas mejoran la anotación estructural en experimentos metabolómicos no dirigidos, lo que lleva a afirmaciones científicas más específicas.
• Se espera que este enfoque avance varias aplicaciones en metabolómica al facilitar una mejor interpretación de los datos y la integración del conocimiento.