Ин таҳқиқот модели омӯзиши амиқеро бо номи SpecTUS муаррифӣ мекунад, ки ҳадафаш тавлиди мустақими сохтори молекулавӣ аз спектри массаи пастҳалшавандае мебошад, ки тавассути хроматографияи газӣ–спектрометрияи масса бо ионизатсияи электронӣ (GC-EI-MS) гирифта шудааст. Усулҳои анъанавии шиносоии EI-MS одатан спектри ченшударо дар китобхонаи спектрҳои истинодӣ ҷустуҷӯ мекунанд. SpecTUS бошад, бе талаб кардани он ки пайвастагии дархостшуда дар китобхонаи спектрӣ мавҷуд бошад, маълумоти масса/заряд ва шиддатро аз спектр коркард карда, кӯшиш мекунад молекуларо ҳамчун пайдарпаии SMILES тавлид намояд.

SpecTUS меъмории encoder–decoder Transformer бо 354 миллион параметри омӯзишшаванда мебошад. Модел аввал дар маҷмӯаҳои калони додаҳои синтетикии EI-MS, ки аз ҷониби NEIMS ва RASSP тавлид шудаанд, пешомӯзиш гирифта, сипас бо спектрҳои таҷрибавии GC-EI-MS аз NIST 20 нозуксозӣ шудааст. Вуруди моделро ҷуфтҳои m/z ва шиддати нисбӣ дар спектр ташкил медиҳанд; баромад бошад, ифодаи молекулавии SMILES мебошад, ки аломат ба аломат тавлид мешавад.

Дар маҷмӯаи санҷишии 28.267 спектр, ки аз NIST 20 ҷудо шудааст, вақте SpecTUS танҳо як сохтор пешниҳод кард, %43 пайвастагиҳоро комилан аз нав барқарор намуд. Ҳангоми тавлиди даҳ номзад сатҳи бозсозии пурра ба %65 ва дар сенарияи 50 номзад ба %69 расид. Дар сенарияи як номзад, пешниҳоди SpecTUS дар муқоисае, ки ба монандии Tanimoto-и Morgan fingerprint ва санҷиши мувофиқати дақиқ асос ёфтааст, дар %76 намунаҳои санҷишии NIST аз натиҷаи ҷустуҷӯи гибридии пойгоҳи додаҳо беҳтар буд; дар муқоисаи даҳномзадӣ ин нишондиҳанда %84 мебошад.

Самаранокӣ дар ҳамаи манбаъҳои дода яксон нест. Дар спектрҳои беҳтар курировандашудаи NIST ва SWGDRUG натиҷаҳо баландтаранд, дар ҳоле ки дар маҷмӯаҳои гетерогенитаре чун Cayman ва MONA дақиқӣ коҳиш меёбад. Ғайр аз ин, ҳангоми интихоб кардани молекулаҳое, ки ба сохторҳои маҷмӯаи омӯзишӣ торафт камтар монанданд, самаранокӣ якбора паст мешавад. Аз ин рӯ, таҳқиқот нишон медиҳад, ки SpecTUS метавонад то андозае ба пайвастагиҳои дар омӯзиш нодида умумӣ шавад, аммо исбот намекунад, ки фазои комилан нави сохторҳои кимиёвӣ ҳал шудааст.

Аз нуқтаи назари Türkiye, ин кор барои озмоишгоҳҳои таҳқиқотие, ки GC-EI-MS-ро дар кимиёи судӣ, таҳлили муҳити зист, таҳлили дору/маводи мухаддир ва тавсифи молекулаҳои хурд истифода мебаранд, аз ҷиҳати методологӣ ҷолиб аст. Аммо модел дар асбобҳои озмоишгоҳӣ, равандҳои омодасозии намуна ё маҷмӯаҳои маҳаллии аналитҳои Türkiye алоҳида тасдиқ нашудааст. Азбаски сифати спектр ва протоколи ченкунӣ ба самаранокӣ таъсир мерасонанд, барои истифодаи маҳаллӣ тасдиқи мустақил ва арзёбии кимиёшиноси коршинос зарур аст.

Чаро ба усуле берун аз ҷустуҷӯи китобхонаи спектрӣ ниёз вуҷуд дорад?

Дар таҳлили GC-MS пайвастагиҳо аввал бо хроматографияи газӣ ҷудо мешаванд. Сипас молекулаҳои нейтралӣ ионизатсия мешаванд ва спектрометри масса нисбатҳои масса/заряд (m/z) ва фаровонии нисбии ионҳои ҳосилшударо чен мекунад. Натиҷа маҷмӯи қуллаҳои спектрӣ барои ҳар як пайвастагӣ мебошад.

Маркази таваҷҷуҳи таҳқиқот ионизатсияи электронӣ (EI) аст. Энергияи электронии тақрибан 70 eV, ки даҳсолаҳо дар GC-EI-MS васеъ истифода мешавад, метавонад байни китобхонаҳои гуногуни спектрӣ намунаҳои нисбатан устувори пора-порашавиро ба вуҷуд орад. Бо вуҷуди ин, дар спектри як пайвастагӣ вобаста ба асбоб ва шароити ченкунӣ фарқиятҳо метавонанд боқӣ монанд.

Дар равиши анъанавӣ спектри дархост бо спектрҳои истинодии ченшуда муқоиса мешавад. Таҳқиқот ду усули асосиро истифода мебарад:

• Simple Similarity Search (SSS): қуллаҳои спектриро дар арзишҳои монанди m/z мувофиқ мекунад.
• Hybrid Similarity Search (HSS): ба ғайр аз ионҳои фрагментӣ талафоти нейтралиро низ истифода мебарад ва фарқи массаи молекулавӣ байни молекулаи дархост ва истинодиро ба ҳисоб мегирад.

HSS махсусан вақте муфидтар аз SSS буда метавонад, ки пайвастагии дархостшуда дар китобхона мавҷуд нест. Аммо маҳдудияти муҳими усул истифодаи маълумоти дурусти массаи молекулавии пайвастагии дархост аст; ин маълумот на ҳамеша аз спектрҳои EI-MS-и пастҳалшаванда боэътимод гирифта мешавад.

Маҳдудияти асоситар фарогирии китобхонаи спектрӣ мебошад. Агар пайвастагӣ дар китобхонаи истинодӣ умуман мавҷуд набошад, ҷустуҷӯи стандартӣ худи молекулаи дурустро баргардонда наметавонад; он танҳо сохтори наздиктаринро аз миёни номзадҳои ёфтшуда пешниҳод мекунад. SpecTUS кӯшиш мекунад ин маҳдудиятро бо тавлиди мустақими сохтори нави молекулавӣ аз спектр паси сар кунад.

Ғояи асосии SpecTUS чист?

SpecTUS масъала را ҳамчун як навъи масъалаи “тарҷума” баррасӣ мекунад. Тавре ки модели забони табиӣ пайдарпаиро аз як забон ба пайдарпаии забони дигар табдил медиҳад, модел спектри EI-MS-ро ба ифодаи сохтори молекулавӣ мегузаронад:

Спектри EI-MS → Transformer → пайдарпаии молекулавии SMILES

Дар тарафи вуруд ҳар қуллаи спектрӣ ду маълумот дорад: арзиши m/z, ки ба наздиктарин адади бутун гирд карда шудааст, ва шиддати нисбӣ. Дар тарафи баромад модел сохтори молекулавиро бо тавлиди аломатҳои SMILES ба таври авторегрессивӣ, яъне бо истифода аз аломатҳои қаблан тавлидшуда, пайдарпай месозад.

Меъмории модел чӣ қадар калон аст?

SpecTUS як encoder–decoder Transformer бо 354 миллион параметри омӯзишшаванда буда, ба равиши BART асос ёфтааст. Андозаҳои асосии меъморӣ дар манбаъ чунин оварда шудаанд:

Ҳудудҳои вуруди модел ҳадди аксар 300 қуллаи спектрӣ, ҳадди аксар m/z = 500 ва SMILES бо дарозии ҳадди аксар 100 аломат муайян шудаанд. Ин филтрҳо боис шудаанд, ки тақрибан %3 додаҳои NIST хориҷ шаванд.

Спектр барои модел чӣ гуна рамзгузорӣ мешавад?

Дар таҳқиқот арзишҳои m/z ба наздиктарин адади бутун гирд карда мешаванд. Шиддатҳои нисбӣ ба ҷои истифодаи мустақим ҳамчун вуруди ададии хеле баландҳалшаванда ба фосилаҳои логарифмӣ ҷудо мешаванд. Дар модели ниҳоӣ арзишҳои шиддат бо табдилдиҳии логарифмӣ бо асоси 1,28 дар дохили 30 bin ифода мешаванд.

Модел се маҷмӯаи embedding-и омӯзишшавандаро истифода мебарад:

• embedding барои арзишҳои m/z,
• embedding барои bin-ҳои шиддат,
• embedding барои аломатҳои SMILES.

Ифодаи ҳар қуллаи спектрие, ки ба Encoder дода мешавад, аз ҷамъбасти embedding-и m/z ва embedding-и шиддат иборат аст. Дар тарафи Decoder ҳар қадам як аломати SMILES-ро ифода мекунад.

Чаро додаҳои синтетикӣ истифода шуданд?

Шумораи спектрҳои воқеии таҷрибавии GC-EI-MS нисбат ба фазои эҳтимолии сохторҳои молекулавӣ маҳдуд аст. Аз ин рӯ, таҳқиқотчиён моделро аввал дар фазои хеле васеътари кимиёвии синтетикӣ омӯзонида, сипас ба спектрҳои воқеии таҷрибавӣ мутобиқ кардаанд.

Аз ZINC20 дар ибтидо тақрибан 1,8 миллиард пайдарпаии SMILES ҷамъоварӣ шудааст. Дар ҳар даври ҷамъоварии дода 30 миллион SMILES-и беосеб ва кӯтоҳтар аз 100 аломат ба таври тасодуфӣ интихоб шуда, баъдан сохторҳо каноникӣ гардонида, сабтҳои такрорӣ хориҷ ва маълумоти стереокимиёвӣ бардошта шудааст. Пайвастагиҳои дар NIST 20 мавҷудбуда барои пешгирии ихроҷи дода аз пайвастагиҳои пешомӯзишии синтетикӣ хориҷ карда шудаанд.

Пас аз маҳдудиятҳои элементӣ ва зерформулавие, ки RASSP коркард карда метавонад, дар ду даври ҷамъоварӣ тақрибан 4,7 миллион ва 4,8 миллион пайвастагӣ боқӣ мондааст. Азбаски барои ҳар пайвастагӣ ҳам бо модели NEIMS ва ҳам RASSP спектр тавлид шудааст, маҷмӯаҳои додаҳои синтетикӣ дар маҷмӯъ тақрибан 9,4 миллион ва 9,6 миллион спектрро дар бар мегиранд. Ин маҷмӯаҳо барои омӯзиш/валидатсия/санҷиш бо таносуби 0,90/0,05/0,05 ҷудо шудаанд.

Пешомӯзиш чӣ қадар давом кард?

Пешомӯзиши ниҳоии SpecTUS дар омехтаи мутавозини 1:1 аз манбаъҳои NEIMS ва RASSP анҷом дода шудааст. Манбаъ хабар медиҳад, ки дар марҳилаи ниҳоии пешомӯзиш 17,2 миллион спектри омӯзишӣ тақрибан се маротиба коркард шудаанд.

Дар охири пешомӯзиш сатҳи бозсозии пурраи сохтор дар спектрҳои тавлидкардаи RASSP %38, дар спектрҳои NEIMS %29 ва дар спектрҳои воқеии NIST танҳо %3 буд. Бо вуҷуди ин, гузориш шудааст, ки %96 SMILES-ҳои тавлидшуда молекулаҳои каноникии эътиборнок буданд. Таҳқиқотчиён ин натиҷаро ҳамчун асосе барои омӯхтани қоидаҳои сохтори молекулавӣ ва робитаи массаи атомӣ–m/z дар пешомӯзиш шарҳ медиҳанд.

Нозуксозӣ бо спектрҳои воқеии NIST чӣ гуна анҷом дода шуд?

Дар китобхонаи NIST 20 GC-EI-MS спектрҳои вайрон ё беаннотатсия пок карда шуданд, маълумоти стереокимиёвӣ хориҷ, ифодаҳои SMILES каноникӣ ва пайвастагиҳои дорои дейтерий хориҷ карда шуданд. Ҳудудҳои модели m/z, шумораи қуллаҳо ва дарозии SMILES низ татбиқ шуданд.

Дар бахши муфассали усул ҷудокунии ниҳоии NIST чунин оварда мешавад:

Ба паҳн шудани пайвастагиҳои такрорӣ дар split-ҳои гуногун иҷозат дода нашудааст. Бо ин роҳ кӯшиш шудааст, ки як молекула ҳам дар маҷмӯаи омӯзишӣ ва ҳам санҷишӣ мавҷуд набошад.

Ёддошти рақамӣ дар дохили манбаъ: Дар бахшҳои дигари мақола андозаи омӯзиш/нозуксозии NIST ҳамчун 232.025 ва 232.035 низ навишта шудааст. Арзиши 224.737 спектри омӯзишӣ аз бахши муфассали маҷмӯаи дода бо ин ду ифода мувофиқат намекунад. Аз ин рӯ, ин се рақам набояд ба як арзиши ягонаи “ислоҳшуда” табдил дода шаванд.

Нозуксозӣ чӣ қадар давом кард?

Модел дар маҷмӯаи омӯзишии NIST барои 296.000 қадами навсозӣ омӯзонида шуда, гуфта шудааст, ки ҳар спектр тақрибан 80 маротиба коркард шудааст. Нозуксозӣ бо дарназардошти арзёбиҳои назоратӣ дар як NVIDIA H100 GPU тақрибан 28 соат давом кардааст.

Ҷолиб он аст, ки ҳангоми нозуксозии NIST қобилияти модел барои бозсозии пурраи спектрҳои синтетикӣ босуръат коҳиш ёфт, дар ҳоле ки муваффақияти валидатсияи таҷрибавии NIST қавӣ афзуд. Таҳқиқот инро натиҷаи мутобиқшавии модел аз тақсимоти додаҳои синтетикӣ ба тақсимоти воқеии таҷрибавӣ нишон медиҳад.

Кадом интихоби тарҳ ба таври таҷрибавӣ муқоиса шуданд?

Таҳқиқотчиён ба ҷои гузориш додани танҳо модели ниҳоӣ панҷ таҷрибаи алоҳидаи рушдро анҷом доданд.

1. Bin-кунии шиддат

Усулҳои хаттӣ ва логарифмии ифодаи шиддат муқоиса шуданд. Ифодаи хеле дағал, махсусан дар қуллаҳои шиддати паст, ба талафи маълумот овард. Равиши логарифмии 30 bin нисбат ба рамзгузории хаттии чаҳоррақамаи даҳӣ арзиши валидатсияи Acc1-ро тақрибан 0,9 банди фоизӣ баланд кард, дар айни замон тақрибан 10 миллион параметри омӯзишшавандаи камтар талаб намуд ва барои модели ниҳоӣ интихоб шуд.

2. SMILES, SELFIES ва tokenization

Моделҳои асосёфта ба SMILES аз модели асосёфта ба SELFIES аз рӯи валидатсияи Acc1 1,7–5,8 банди фоизӣ натиҷаи баландтар доданд. Илова бар ин, луғатҳои калонтари Byte Pair Encoding, ки аксар вақт барои моделҳои забони табиӣ бартарӣ доранд, дар ин ҷо фоида надоданд. Рамзгузории соддатарини SMILES дар сатҳи аломат тақрибан 3,5–4 банди фоизӣ аз вариантҳои дигари BPE беҳтар буд.

3. Омехтаи пешомӯзиши синтетикӣ

Модели бе пешомӯзиши синтетикӣ бо RASSP, NEIMS ва омехтаҳои онҳо муқоиса шуд. Моделҳои дорои пешомӯзиши синтетикӣ нисбат ба модели танҳо бо додаҳои воқеӣ нозуксозишуда дар валидатсияи Acc1 тақрибан 7–10 банди фоизӣ бартарӣ доштанд. Омехтаи 1:1-и NEIMS ва RASSP беҳтарин натиҷаро дод.

4. Нишонаи манбаи спектр

Истифодаи token-ҳои махсуси манбаъ чун <rassp>, <neims> ва <nist> ба самаранокии ниҳоӣ саҳми назаррас надошт. Варианте, ки як token-и умумии манбаъро истифода мебурд, дар Acc1 тақрибан 0,2 банди фоизӣ натиҷаи баландтар дод. Бо вуҷуди ин, таҳқиқотчиён механизми token-и манбаъро дар модели ниҳоӣ барои нозуксозии оянда дар маҷмӯаҳои додаҳои махсус нигоҳ доштанд.

5. Миқёсбандии вақти омӯзиш ва миқдори дода

Вақте вақти пешомӯзиш, вақти нозуксозӣ ва ҳаҷми додаҳои синтетикӣ алоҳида зиёд карда шуданд, самаранокӣ беҳтар шуд. Конфигуратсияи ниҳоии пурраҳаҷми `8.6M_448k_296k` нисбат ба модели ибтидоии `4.2M_112k_74k` арзиши Acc1-ро 5,4 банди фоизӣ баланд кард.

Таҳқиқот баромадро чӣ гуна арзёбӣ мекунад?

Acc_k ҳиссаи ҳолатҳоест, ки молекулаи воқеӣ дар байни аввалин k номзади тавлидкардаи модел айнан мавҷуд аст. Ин метрика на танҳо сохтори монанд, балки мувофиқати дақиқи молекулавиро арзёбӣ мекунад.

Sim_k монандии Tanimoto-ро дар Morgan molecular fingerprint барои сохторе чен мекунад, ки дар байни k номзад ба молекулаи воқеӣ бештар монанд аст.

Таҳқиқот барои муқоисаи мустақими SpecTUS бо усули дигар инчунин нишондиҳандаҳои win rate ва at-least-as-good-ро истифода мебарад. Азбаски fingerprint-ҳои Tanimoto баъзан барои молекулаҳои гуногун монандии 1,0 медиҳанд, ба функсияи рейтинг санҷиши мувофиқати дақиқи сохтор низ илова шудааст.

Чаро муқоисаи сунъӣ бо номи BDC истифода мешавад?

Best Database Candidate (BDC) ҳадди болоии назариявиест, ки дар амал дастнорас мебошад. BDC чунин фарз мекунад, ки мо сохтори воқеии молекулаи дархостро аллакай медонем ва аз байни сохторҳои китобхонаи истинодӣ онеро интихоб мекунад, ки аз рӯи Morgan fingerprint ба он наздиктарин аст.

Аз ин рӯ, BDC усули амалии шиносоӣ нест. Вазифаи он дар таҳқиқот гузоштани ҳадди боло барои саволи «агар дар дохили пойгоҳи дода сохтори беҳтаре аллакай набошад, ҳадди беҳтар кардани алгоритми ҷустуҷӯ чист?» мебошад.

Шакли 1 чиро нишон медиҳад?

Схемаи усули таҳқиқот омӯзиши дуМарҳилавии SpecTUS ва inference-и ниҳоиро якҷоя нишон медиҳад. Дар тарафи пешомӯзиш сохторҳои SMILES аз ZINC тавассути NEIMS/RASSP ба спектрҳои синтетикӣ табдил дода шуда, ба SpecTUS омӯзонда мешаванд. Дар марҳилаи нозуксозӣ спектрҳои таҷрибавии NIST ва нишонаҳои воқеии SMILES истифода мешаванд. Ҳангоми inference бошад, ҷараён баръакс кор мекунад: спектри таҳлилшавандаи EI-MS мустақиман ба SpecTUS ворид мешавад ва модел як ё чанд номзади SMILES-ро бо тартиб тавлид мекунад.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• SpecTUS ҳатто вақте пайвастагиҳои санҷишӣ аз маҷмӯаҳои додаҳои омӯзишӣ ҷудо буданд, тавонист аз спектрҳои пастҳалшавандаи GC-EI-MS номзадҳои нави сохтори молекулавӣ тавлид кунад.
• Дар маҷмӯаи санҷишии NIST дақиқии пурраи сохтор барои як номзад %43, барои 10 номзад %65 ва барои 50 номзад %69 мебошад.
• Дар NIST як номзади SpecTUS дар %76 намунаҳо нисбат ба як номзади HSS номзади сохтории беҳтар тавлид кардааст.
• Дар спектрҳои беҳтар курировандашуда чун NIST ва SWGDRUG модел нисбат ба Cayman ва MONA самаранокии баландтар нишон додааст.
• Пешомӯзиш дар додаҳои синтетикӣ нисбат ба омӯзиш танҳо бо додаҳои таҷрибавии NIST муваффақияти баландтари валидатсия додааст.
• Истифодаи якҷояи чанд тавлидкунандаи спектри синтетикӣ нисбат ба як манбаъ бартарӣ додааст.

Натиҷаҳое, ки таҳқиқот дастгирӣ ё исбот намекунад

• SpecTUS системаи универсалии шиносоии кимиёвӣ нест, ки ҳар молекулаи номаълумро боэътимод муайян кунад.
• Баромади дараҷаи аввали модел набояд бе тасдиқи мустақил ҳамчун далели қатъии шахсият баррасӣ шавад.
• Модел барои сохторҳои комилан нав ва аз кимиёи омӯзишӣ хеле дур дақиқии баландро кафолат намедиҳад.
• Таҳқиқот нишон намедиҳад, ки модел метавонад мутахассиси озмоишгоҳро иваз кунад.
• Нишон дода нашудааст, ки баромадҳои модел бо дарахти пора-порашавӣ ё механизми аннотатсияи қулла шарҳпазиранд.
• Коҳиши самаранокӣ дар Cayman ва MONA нишон медиҳад, ки дар ҳамаи шароити озмоишгоҳӣ ва асбобӣ як дақиқӣ интизор шудан мумкин нест.

Усул ва Натиҷаҳои Таҳқиқот

Маҷмӯаҳои додаҳои арзёбӣ

Модел на танҳо дар split-и санҷишии NIST, балки дар додаҳои EI-MS аз манбаъҳои мустақили SWGDRUG, Cayman ва MONA низ арзёбӣ шудааст. Пас аз хориҷ кардани пайвастагиҳои ҳампӯш бо додаҳои омӯзишӣ ва намунаҳои берун аз ҳудуди модел, шумораи спектрҳои истифодашуда чунин буд:

Филтркунӣ хориҷ кардани ҳампӯшӣ бо маҷмӯаи омӯзишии NIST, сохторҳои дорои дейтерий, намунаҳои дорои m/z > 500, спектрҳои дорои зиёда аз 300 қуллаи спектрӣ ва пайдарпаии SMILES-и дарозтар аз 100 аломатро дар бар мегирад.

Бозсозии дақиқи молекула дар NIST

28.267 спектри санҷишии NIST арзёбии фарогиртарин ва хубназоратшудаи таҳқиқот мебошад. Бо зиёд шудани шумораи номзадҳо эҳтимоли он ки молекулаи воқеӣ дар рӯйхати пешниҳодҳо пайдо шавад, меафзояд.

Гузариш аз як номзад ба 10 номзад 22 банди фоизии иловагии мувофиқати дақиқ медиҳад. Баръакс, гузариш аз 10 номзад ба 50 номзад танҳо 4 банди фоизии иловагӣ меорад. Ин натиҷа нишон медиҳад, ки зиёд кардани бемаҳдуди шумораи номзадҳо бояд якҷоя бо бори арзёбии коршинос баррасӣ шавад.

Чаро дар натиҷаҳои серномзад коршинос ҳанӯз зарур аст?

SpecTUS барои ҳар номзад эҳтимоли рейтингии худро тавлид мекунад; аммо таҳқиқотчиён муайян карданд, ки ин рейтинг барои иваз кардани арзёбии коршинос кофӣ боэътимод нест. Ҳатто номзади дараҷаи аввали модел дар сенарияи 10 номзад, ба ҳисоби миёна, аз номзади сенарияи танҳо як номзад каме дақиқии пасттар дорад.

Аз ин рӯ, таҳқиқот се сенарияи истифода муайян мекунад:

• 1 номзад: бори дастӣ камтарин ва барои таҳлилҳои ҳаҷми калон муносиб; аммо дақиқӣ пасттар.
• 10 номзад: сенарияи мутавозинтар байни дақиқӣ ва бори баррасии коршинос.
• 50 номзад: потенсиали моделро зиёд мекунад, аммо бори баррасии дастиро ҷиддӣ боло мебарад.

Муқоиса бо HSS аз рӯи монандии сохторӣ

Дар санҷиши NIST монандии миёнаи Morgan/Tanimoto барои як номзади SpecTUS 0,67 мебошад. Ҳатто барои натиҷаи 50 номзади HSS ин арзиш 0,62 гузориш шудааст. Дар SWGDRUG миёнаи як номзади SpecTUS 0,69 ва HSS50 бошад 0,61 аст.

SpecTUS бо даҳ номзад дар ин ду маҷмӯаи дода метавонад монандии миёнаеро аз арзиши BDC, ки наздиктарин молекулаи имконпазирро дар китобхонаи истинодӣ ифода мекунад, ҳам баландтар таъмин намояд. Сабаб он аст, ки SpecTUS маҷбур нест танҳо аз байни сохторҳои мавҷудаи китобхона интихоб кунад ва метавонад сохторҳои нав тавлид кунад.

Сатҳи бурди мустақим нисбат ба HSS

Дар санҷиши NIST, SpecTUS бо як номзад дар %76 намунаҳои санҷишӣ сохтори комилан беҳтар аз номзади HSS дар ҳамон шароит пешниҳод кардааст. Дар ҳолати даҳ номзад ин сатҳ ба %84 мерасад. Вақте ҳамаи сенарияҳои номзадии манбаъ якҷоя арзёбӣ мешаванд, сатҳи бурди SpecTUS–HSS дар NIST дар ҳудуди %76–86 мебошад.

Барои SWGDRUG ҳудуд %72–85, барои Cayman %63–74 ва барои MONA %62–65 гузориш шудааст. Бо кам шудани курияи спектрӣ танг шудани бартарии SpecTUS ҳассосияти онро ба сифати додаҳои вурудӣ равшан нишон медиҳад.

Оё ҳатто номзади назариявии беҳтарини пойгоҳи додаҳоро метавон гузашт?

BDC ҳадди назариявии пойгоҳи додаҳо мебошад, ки фарз мекунад мо сохтори воқеии дархостро медонем. Бо вуҷуди ин, дар NIST як номзади SpecTUS дар %47 ҳолатҳо ва дар SWGDRUG дар %45 ҳолатҳо аз BDC беҳтар буд.

Ҳангоми тавлиди даҳ номзад, SpecTUS ҳам дар NIST ва ҳам SWGDRUG дар %70 намунаҳо аз BDC беҳтар ва дар Cayman дар %56 намунаҳо номзади беҳтар тавлид кардааст. Ин натиҷа бартарии асосии тавлиди de novo-ро нишон медиҳад: ҳатто агар сохтори дуруст ё наздиктар дар китобхонаи истинодӣ вуҷуд надошта бошад, модел метавонад номзади нав тавлид кунад.

Паёми асосии Шакли 3

Шакли 3 монандии миёнаи сохтории SSS, HSS ва SpecTUS-ро дар NIST, SWGDRUG, Cayman ва MONA барои сенарияҳои 1, 10 ва 50 номзад якҷоя нишон медиҳад. Арзишҳои дақиқии SpecTUS низ бо нишонаҳои сиёҳ дода шудаанд.

Дар сутунҳои NIST ва SWGDRUG бартарии SpecTUS бештар намоён аст. Ҳангоми гузариш ба Cayman ва махсусан MONA монандии сохтории ҳамаи усулҳо паст шуда, фарқи байни SpecTUS ва HSS хурд мешавад. Таҳқиқотчиён инро бо фарқиятҳои сифати тавлид ва курияи спектрҳо вобаста мекунанд.

Шакли 4 чиро нишон медиҳад?

Панели A-и Шакли 4 SpecTUS-ро мустақиман бо HSS ва панели B онро бо ҳадди назариявии BDC муқоиса мекунад. Сутунҳои сурх намунаҳоеро нишон медиҳанд, ки SpecTUS ба таври қатъӣ бартарӣ дорад; қисми иловагии равшан бошад ҳиссаи “at-least-as-good”-ро бо дохил кардани баробарӣ нишон медиҳад.

Дар NIST ва SWGDRUG бо зиёд шудани шумораи номзадҳо бартарии SpecTUS нисбат ба HSS равшантар мешавад, дар ҳоле ки дар MONA фоидаи номзадҳои иловагӣ маҳдудтар аст. Ин нишон медиҳад, ки танҳо тавлиди номзадҳои бештар додаҳои бади спектриро ҷуброн карда наметавонад.

Оё модел воқеан ба кимиёи комилан нав умумӣ мешавад?

Яке аз муҳимтарин санҷишҳои ҳудудии таҳқиқот кам кардани систематикии монандии сохтории молекулаҳои санҷишӣ ба сохторҳои маҷмӯаи омӯзишӣ мебошад. Таҳқиқотчиён бо истифода аз масофаи maximum common edge subgraph (MCES) маҷмӯаи санҷишии NIST-ро бо молекулаҳои торафт фарқкунанда маҳдуд кардаанд.

Вақте ҳадди масофа T = 10 буд, танҳо %1,7 маҷмӯаи ибтидоии санҷишии NIST, яъне 469 сохтор, боқӣ монд. Дар ин шароити душвортарин SpecTUS дар байни 10 номзад танҳо 19 молекуларо пурра бозсозӣ карда тавонист ва монандии миёнаи сохторӣ ба сатҳи 0,38 паст шуд.

Ин натиҷа ба тақрибан %4 Acc10 мувофиқ буда, ҳадди функсионалии моделро равшан нишон медиҳад. SpecTUS метавонад молекулаҳои қаблан нодидаро пешгӯӣ кунад, аммо барои сохторҳое, ки аз намунаҳои кимиёвии дар омӯзиш омӯхташуда комилан дуранд, умумисозии баланд нишон намедиҳад.

Хатоҳои маъмулии пешгӯии сохтор кадомҳоянд?

Дар Шакли 5 монандиҳои SpecTUS10 ва HSS10 барои 200 дархости тасодуфӣ аз маҷмӯаи санҷишии NIST муқоиса шуда, панҷ намуна муфассал нишон дода шудаанд. Таҳқиқотчиён се шакли маъмулии хаторо муайян мекунанд:

• тавлиди занҷирҳои такрории карбон аз ҳад дароз ё кӯтоҳ,
• пайваст кардани гурӯҳи функсионалии дуруст ба атоми нодурусти ҳалқаи ароматикӣ,
• ҳангоми дуруст ҳал кардани худи зерсохторҳои калони молекулавӣ онҳоро ба ҳам нодуруст пайваст кардан.

Шакли 5 инчунин маҳдудияти худи меъёри Tanimoto/Morgan-ро нишон медиҳад. Дар занҷирҳои дароз ва такрорӣ ду молекулаи гуногун баъзан метавонанд натиҷаи Tanimoto = 1 диҳанд, гӯё fingerprint-и якхела доранд. Аз ин рӯ, таҳқиқот мувофиқати дақиқи сохторро низ алоҳида месанҷад.

Суръати inference

Модел дар се синфи гуногуни сахтафзор санҷида шудааст. Арзишҳои зерин вақти тавлиди 1, 10 ё 50 номзади сохтор барои як спектр мебошанд:

Ин вақтҳо нишон медиҳанд, ки модел метавонад дар ҷараёнҳои кори озмоишгоҳӣ қобили истифода бошад, аммо онҳо ба сахтафзор вобастаанд. Махсусан, тавлиди 50 номзад дар CPU ба 7,5 дақиқа мерасад; аз ин рӯ, калимаи “зуд” набояд бе контексти шумораи номзадҳо ва сахтафзор истифода шавад.

Маҳдудияти шарҳпазирӣ

SpecTUS сабаби тавлиди молекулаи мушаххасро тавассути қадамҳои пора-порашавии кимиёвӣ шарҳ намедиҳад. Дар баромади миёнаравии модел аннотатсияи қуллаҳо, дарахтҳои пора-порашавӣ ё спектрҳои истинодии номзадҳои пешниҳодшуда мавҷуд нестанд.

Ин ҳолат ислоҳи қадам ба қадами номзади нодурустро аз ҷониби коршинос душвор мекунад. Гарчанде модел тавлидкунандаи пурқуввати номзадҳо аст, он воситае нест, ки асоси кимиёвии пешгӯиро худ шарҳ диҳад.

Маънои илмии натиҷаҳо

Навоварии асосии таҳқиқот истифодаи модели калони Transformer мебошад, ки дар GC-EI-MS-и пастҳалшаванда ба ҷои танҳо ҷустуҷӯи китобхонаи спектрӣ спектрро мустақиман ба сохтори молекулавӣ тарҷума мекунад. Ҷудо кардани пайвастагиҳои санҷишӣ аз пайвастагиҳои омӯзишӣ дастгирӣ мекунад, ки SpecTUS танҳо азёд накарда, қобилияти муайяни умумисозӣ таҳия кардааст.

Бо вуҷуди ин, коҳиши шадиди самаранокӣ дар пайвастагиҳои санҷишии аз ҷиҳати сохторӣ хеле дур ҳудуди мафҳуми “номаълум”-и моделро нишон медиҳад. Модел метавонад сохторҳоеро тавлид кунад, ки дар омӯзиш айнан надидааст; аммо ин корро асосан бо якҷоя кардани зернамунаҳои кимиёвии қаблан омӯхташуда ба шаклҳои нав анҷом медиҳад.

Ёддошт оид ба Манбаъ ва Усул

Номи пурраи аслии таҳқиқот: SpecTUS: Spectral Translator for Unknown Structures Annotation from EI-MS Spectra

Муаллифон ва тартиб: Adam Hájek; Michal Starý; Elliott Price; Filip Jozefov; Helge Hecht; Aleš Křenek.

Саҳми баробар / ҳаммуаллифи аввал: Дар таҳқиқоти баррасишуда изҳороти саҳми баробар вуҷуд надорад.

Муаллифи масъул: Aleš Křenek.

Муассисаҳо: Adam Hájek ва Aleš Křenek — Institute of Computer Science, Masaryk University, Brno, Czech Republic. Michal Starý — School of Computation, Information and Technology, Technical University Munich, Garching bei München, Germany. Elliott Price ва Helge Hecht — RECETOX, Masaryk University, Brno, Czech Republic. Filip Jozefov — Faculty of Informatics, Masaryk University, Brno, Czech Republic.

Навъи манбаъ / ҳолати баррасии ҳамтоён: Мақолаи таҳқиқотии аз баррасии ҳамтоён гузашта.

Маҷалла: Analytical Chemistry.

Ношир: American Chemical Society.

Маълумоти библиографӣ: Anal. Chem. 2026, 98, 21670–21682.

DOI: 10.1021/acs.analchem.6c02423.

Ирсол / бознигарӣ / қабул / нашр: 14 Апрел 2026 / 29 Июн 2026 / 30 Июн 2026 / 13 Июл 2026.

Пайванди расмӣ:https://doi.org/10.1021/acs.analchem.6c02423

Литсензия: Creative Commons Attribution 4.0 International (CC BY 4.0).

Дастрасии дода ва код: Коди манбаъ, ҷараёнҳои омодасозии дода ва арзёбии таҳқиқот тавассути GitHub мубодила шудаанд. Маҷмӯаҳои додаҳои синтетикӣ ва модели пешомӯзишшуда дар Hugging Face нашр шудаанд. Аммо бинобар шартҳои литсензияи тиҷоратии NIST, модели ниҳоии дар NIST 20 нозуксозишуда озодона паҳн карда намешавад. Гуфта шудааст, ки корбарони дорои литсензияи NIST метавонанд бо split ва скриптҳои нашршуда нозуксозиро такрор кунанд.

Бархӯрди манфиатҳо: Муаллифон набудани манфиатҳои молиявии рақобатиро эълом кардаанд.

Маблағгузорӣ: Таҳқиқот аз ҷониби лоиҳаҳои e-Infrastruktura CZ (LM2023054) ва RECETOX Research Infrastructure (LM2023069)-и Вазорати маориф, ҷавонон ва варзиши Чехия ва лоиҳаи CETOCOEN Excellence (857560)-и барномаи Horizon 2020-и Иттиҳоди Аврупо дастгирӣ шудааст. Захираҳои ҳисоббарорӣ тавассути лоиҳаи e-INFRA CZ No. 90254 таъмин шудаанд.

Саҳми муаллифон: Adam Hájek SpecTUS-ро амалӣ карда, дар тарҳи таҷриба иштирок намуд, таҷрибаҳоро иҷро кард ва ба навиштани мақола саҳм гузошт. Michal Starý ба тарҳи модел ва таҷриба саҳм гузошт. Elliott Price барои омодасозии дода, тарҳи таҷриба ва арзёбӣ роҳнамоӣ намуд. Filip Jozefov омодасозӣ/split-и дода ва тавлиди додаҳои синтетикиро амалӣ кард. Helge Hecht ба арзёбӣ саҳм гузошт. Aleš Křenek таҳқиқотро роҳбарӣ карда, тағйирот ва омӯзиши RASSP-ро анҷом дод, ба тавлиди додаҳои синтетикӣ, тарҳи таҷриба ва навиштани мақола саҳм гузошт ва равандҳои ирсол/бознигариро идора кард.

Номувофиқии маҷмӯаи дода дар дохили манбаъ: Дар бахши муфассали усул split-и омӯзишии NIST 20 ҳамчун 224.737 спектр дода шудааст, дар ҳоле ки дар муқаддима 232.025 ва дар бахши baseline 232.035 спектр зикр шудаанд. Ин рақамҳо хомӯшона ба як арзиш муттаҳид нашудаанд. Дар ҷадвали омӯзиш/валидатсия/санҷиши ин матни Verianla ҷудокунии 224.737 / 28.177 / 28.267 аз бахши муфассали “Fine-Tuning Data Set” асос гирифта шудааст.

Маҳдудиятҳои методологӣ: SpecTUS барои GC-EI-MS-и пастҳалшаванда таҳия шудааст ва ба сифати спектри вурудӣ ҳассос аст. Модел барои пешгӯиҳои мушаххас шарҳи пора-порашавии кимиёвӣ намедиҳад. Дар сенарияҳои серномзад рейтинги дохилии номзадҳо худ ба худ ба қадри кофӣ боэътимод набуд ва арзёбии коршинос зарур дониста шуд. Барои сохторҳои молекулавии аз сохторҳои омӯзишӣ хеле дур самаранокии бозсозии пурра ба таври назаррас коҳиш меёбад.

Усули мундариҷа: Бозёфтҳои илмии ин мақолаи Verianla танҳо ба матн, ҷадвалҳо, шаклҳо ва натиҷаҳои пешниҳодкардаи муаллифони таҳқиқоти баррасишуда асос ёфтаанд. Тасдиқи беруна танҳо барои майдонҳои библиографии шахсият чун DOI, ношир, маҷалла ва ҳолати баррасии ҳамтоён истифода шудааст; ба таҳқиқот аз берун натиҷаи нави самаранокӣ ё бозёфти кимиёвӣ илова нашудааст.

Метатегҳо

GC-EI-MS, SpecTUS, аннотатсияи сохтори молекулавӣ, спектрометрияи масса, модели Transformer