大型言語モデルによる複合衝突の断面予測

科学分野:

• コンピュータ化学
• 分析化学
• バイオインフォマティクス

背景:

• 衝突横断 (CCS) は,イオン移動質量スペクトロメトリ (IM-MS) の正確な化合物識別に不可欠です.
• 現在の計算型CCS予測方法は,限られたデータと不十分なマルチモダルの機能処理で,不適切なパフォーマンスをもたらします.
• IM-MSアプリケーションのための大規模な化合物データベースの構築には,正確なCCS予測が不可欠です.

研究 の 目的:

• 正確な衝突横断 (CCS) 予測のための新しい計算フレームワーク,HyperCCSを開発する.
• 複雑な分子情報を捉えるための化学大言語モデル (CLLM) を活用する.
• IM-MSの予測性能を改善するために,マルチモダルの機能を効果的に統合する.

主な方法:

• 化学的な大きな言語モデル (CLLM) を微調整し,広範囲な SMILES 配列で事前に訓練した.
• CLLMから派生した特徴を他の異質なデータと統合するためのクロスモダル機能融合モジュールを開発しました.
• ベンチマークデータセット (METLIN-CCS,AllCCS2) と社内の実験データで評価されたハイパーCCS.

主要な成果:

• ハイパーCCSは,さまざまな分子量,アダクトタイプ,イオンモードにおける堅実なCCS予測を実証し,既存の方法を上回った.
• このフレームワークは,実験データ上の高質量アナリストに,同位体を正確に分解し,予測を推論した.
• SHAP分析とアブレーション研究では,CLLMの特徴と融合メカニズムの有意な貢献が確認されました.

結論:

• ハイパーCCSは,IM-MSの計算式CCS予測に重要な進歩をもたらします.
• CLLMとクロスモダル融合の統合は,以前の予測モデルの限界を効果的に解決します.
• HyperCCSは,メタボロミクスと構造生物学の研究のための高通量,適応可能な計算ツールを提供します.