ChemEmbed: 強化されたMS/MSデータと多次元分子埋め込みを用いたメタボライト識別のためのディープラーニングフレームワーク
Muhammad Faizan-Khan1, Roger Giné1,2, Josep M Badia1
1Department of Electronic Engineering, Universitat Rovira i Virgili, Tarragona 43007, Spain.
Briefings in bioinformatics
|February 13, 2026
まとめ
ChemEmbedは,化学構造の埋め込みを使用して質量スペクトロメトリ (MS/MS) のスペクトルを強化し,メタボリットの識別を向上させます. この機械学習のアプローチは,メタボロミクス研究における未知の化合物の識別における既存のツールを大幅に上回ります.
科学分野:
- 計算化学はコンピュータ化学である.
- メタボロミクスとは
- バイオインフォマティックス
背景:
- 質量スペクトロメトリ (MS/MS) はメタボロミクスにとって極めて重要ですが,未知の化合物の識別はスペクトル図書館のカバーによって制限されています.
- 既存の機械学習方法は,MS/MSのスペクトルデータとメタボリート構造の複雑さと稀さで苦労しています.
研究 の 目的:
- MS/MSデータにおけるメタボリート識別を強化するための新しい機械学習方法,ChemEmbedを開発する.
- 化学構造情報を統合することによって,現在のスペクトルアノテーションツールの限界に対処する.
主な方法:
- ChemEmbedは,化学構造の多次元,連続ベクトル表現を使用しています.
- MS/MSスペクトルは,複数の衝突エネルギーのデータを統合し,計算された中性損失を組み込むことで強化されています.
- コンボリューションニューラルネットワーク (CNN) は,強化されたスペクトルおよび構造データを処理します.
主要な成果:
- ChemEmbedは,症例の42%以上で候補代謝産物を正しく識別し,症例の76%以上で前5位に含まれています.
- この方法は,CASMIの2016年および2022年のベンチマークで,Sirius 6と比較して優れたパフォーマンスを示しました.
- ChemEmbedは,アノテートされた再発未確認スペクトル (ARUS) データセットでこれまで未知の25の化合物を成功裏に特定しました.
結論:
- ChemEmbedは,標的化されていない質量スペクトロメトリにおける代謝物識別を加速するための堅牢でスケーラブルなソリューションを提供します.
- 化学構造の埋め込みと強化されたMS/MSスペクトルの統合は,コンピューティング代謝学における重要な進歩を表しています.
関連する概念動画
01:14Avoidance Learning and Learned Helplessness
2.7K
Avoidance learning and learned helplessness are critical concepts in understanding behavioral responses to negative stimuli.
Avoidance learning occurs when an organism learns that a specific behavior can prevent an unpleasant outcome. For example, a student who receives a bad grade may start studying harder to avoid future poor grades. This behavior persists even when the negative outcome is no longer present. Avoidance learning is powerful because it maintains behavior in the absence of the...
Avoidance learning occurs when an organism learns that a specific behavior can prevent an unpleasant outcome. For example, a student who receives a bad grade may start studying harder to avoid future poor grades. This behavior persists even when the negative outcome is no longer present. Avoidance learning is powerful because it maintains behavior in the absence of the...
2.7K
02:00Molecular Models
43.9K
Physical models representing molecular architectures of chemical compounds play essential roles in understanding chemistry. The use of molecular models makes it easier to visualize the structures and shapes of atoms and molecules.
43.9K
03:00Self-Evaluation: Self-Enhancement and Self-Verification
5.8K
Social psychologists have documented that feeling good about ourselves and maintaining positive self-esteem is a powerful motivator of human behavior (Tavris & Aronson, 2008). In the United States, members of the predominant culture typically think very highly of themselves and view themselves as good people who are above average on many desirable traits (Ehrlinger, Gilovich, & Ross, 2005). Often, our behavior, attitudes, and beliefs are affected when we experience a threat to our...
5.8K
03:51Molecular Orbital Theory II
27.7K
Molecular Orbital Energy Diagrams
27.7K
01:11How Data are Classified: Categorical Data
45.3K
A variable, usually notated by capital letters such as X and Y, is a characteristic or measurement that can be determined for each member of a population. Data are the actual values of variables. They may be numbers, or they may be words. Datum is a single value.
Data are classified based on whether they are measurable or not. Categorical data cannot be measured; instead, it can be divided into categories. For example, if Y denotes a person's party affiliation, some examples of Y include...
Data are classified based on whether they are measurable or not. Categorical data cannot be measured; instead, it can be divided into categories. For example, if Y denotes a person's party affiliation, some examples of Y include...
45.3K
02:35Molecular Orbital Theory I
47.8K
Overview of Molecular Orbital Theory
47.8K