Predicción de la sección transversal de colisión compuesta habilitada por el modelo de lenguaje grande

Área de la Ciencia:

• Química computacional
• Química analítica
• La bioinformática

Sus antecedentes:

• La sección transversal de colisión (CCS) es vital para la identificación precisa de compuestos en la espectrometría de masa de movilidad iónica (IM-MS).
• Los métodos de predicción CCS computacionales actuales luchan con datos limitados y un manejo inadecuado de las funciones multimodal, lo que lleva a un rendimiento subóptimo.
• La predicción precisa del CCS es esencial para la construcción de bases de datos de compuestos a gran escala para aplicaciones de IM-MS.

Objetivo del estudio:

• Desarrollar un nuevo marco computacional, HyperCCS, para la predicción precisa de la sección transversal de colisión (CCS).
• Aprovechar los modelos químicos de lenguaje grande (CLLM) para capturar información molecular compleja.
• Integrar las características multimodales de manera eficaz para mejorar el rendimiento predictivo en el IM-MS.

Principales métodos:

• Se ha perfeccionado un modelo de lenguaje químico grande (CLLM) previamente entrenado en extensas secuencias SMILES.
• Desarrolló un módulo de fusión de características intermodales para integrar características derivadas de CLLM con otros datos heterogéneos.
• Se ha evaluado HyperCCS en conjuntos de datos de referencia (METLIN-CCS, AllCCS2) y datos experimentales internos.

Principales resultados:

• HyperCCS demostró una predicción robusta de CCS en varias masas moleculares, tipos de aductos y modos iónicos, superando los métodos existentes.
• El marco resolvió con precisión los isómeros y las predicciones extrapoladas a analíticos de alta masa en datos experimentales.
• El análisis SHAP y los estudios de ablación confirmaron la contribución significativa de las características de CLLM y el mecanismo de fusión.

Conclusiones:

• HyperCCS ofrece un avance significativo en la predicción computacional de CCS para IM-MS.
• La integración de los CLLM y la fusión intermodal aborda efectivamente las limitaciones de los modelos de predicción anteriores.
• HyperCCS proporciona una herramienta computacional de alto rendimiento y adaptable para la investigación en metabolómica y biología estructural.