NPLIB1
PulseAugur coverage of NPLIB1 — every cluster mentioning NPLIB1 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI系统GEMS加速分子结构鉴定
研究人员开发了GEMS（Guided Editing of Molecular Structures，分子结构引导编辑），一个新颖的AI系统，旨在从质谱数据中鉴定小分子结构。GEMS利用一个名为MIST的预训练光谱到指纹模型和一个神经网络策略，通过学习到的键编辑来优化候选结构。这种方法显著加快了鉴定过程，在几分钟内就能达到比以往需要数小时的方法更高的准确性。该系统在NPLIB1和MassSpecGym等基准数据集上表现强劲，优于现有基线。
-
FRIGID框架加速AI驱动的分子结构解析
研究人员推出FRIGID，一个旨在提高利用质谱数据进行分子结构解析的速度和准确性的新框架。FRIGID采用了一种新颖的扩散语言模型，该模型根据质谱、中间指纹表示和确定的化学式生成分子结构。这种方法允许在数百万个未标记的结构上进行训练，并通过识别和精炼与光谱不一致的片段来扩展推理时间。FRIGID在MassSpecGym基准测试上实现了超过18%的Top-1准确率，在NPLIB1上将领先方法的准确率提高了两倍，并表现出与计算量对数线性相…
-
MS-GPT模型推进从质谱图进行从头分子结构解析
研究人员开发了MS-GPT，这是一种新颖的分子语言模型，用于从串联质谱（MS/MS）数据中进行从头结构解析。与依赖参考库或预定义候选物的方法不同，MS-GPT直接从频谱图生成分子结构。它将问题重新构想为频谱诱导后验查询，将语言模型条件化为指纹和分子式。该模型在NPLIB1和MassSpecGym数据集上取得了最先进的性能，证明了在识别分子结构方面的准确性有所提高。
-
新AI方法MARLIN在无已知分子式的情况下破译分子结构
研究人员开发了MARLIN，一种新颖的计算方法，可以直接从串联质谱数据中解析分子结构，而无需已知分子式。这种方法对于识别生物样本中的未知化合物特别有用，而这些化合物对于药物发现和生物标志物研究至关重要。MARLIN利用自监督编码器预测分子指纹，并使用扩散语言模型生成候选结构，确保质量准确性，而无需预先确定原子清单。该方法在NPLIB1基准测试中表现强劲，在准确性和结构相似性方面优于其他无分子式依赖的技术。