PulseAugur
中
实时 10:50:06
English(EN) The Language of Elution: Autoregressive Prediction of the Next Feature in Untargeted LC-HRMS Lipidomics

AI 模型预测脂质组学研究的分子洗脱顺序

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了自回归模型，包括 LSTMs 和 Transformers，以预测非靶向 LC-HRMS 脂质组学中分子特征的洗脱顺序。通过将色谱洗脱视为序列预测任务，模型在预测下一个洗脱的质荷比 bin 方面取得了高精度。通过实现预测性 MS/MS 采集，这种方法可以显著提高非靶向代谢组学中的结构注释覆盖率。 AI

影响 这项研究可以提高复杂生物样品中分子识别的准确性和效率。

排序理由 这是一篇描述 AI 模型在科学问题中的新颖应用的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Dayanjan S. Wijesinghe ·

    洗脱的语言：非靶向LC-HRMS脂质组学中下一个特征的自回归预测

    arXiv:2606.05225v1 Announce Type: cross Abstract: Untargeted liquid chromatography-high-resolution mass spectrometry (LC-HRMS) detects thousands of molecular features per sample, yet only 2-20% receive confident structural annotations. A root cause of this "dark metabolome" is th…

相关实体

相关话题