从串联质谱中学习可解释的结构相似性以发现小分子类似物

类似物发现仍然是基于质谱的非靶向代谢组学中的一个核心瓶颈，因为传统的光谱相似性评分无法有效反映分子结构。 我们提出了 SIMBA，这是一种基于 Transformer 的模型，能够直接从串联质谱中推断两种具有可解释性的基于图的距离，即最大公共边子图距离和子结构编辑距离。 与现有方法相比，SIMBA 能够稳定地检索到结构上更为接近的类似物，从而使小分子鉴定突破了精确光谱匹配的限制，迈向结构感知的识别。

从串联质谱中学习可解释的结构相似性以用于小分子类似物发现 | bioRxiv

跳转至主要内容

首页

关于

提交

提醒 / RSS

搜索此关键词

高级搜索

新结果

从串联质谱中学习可解释的结构相似性以用于小分子类似物发现

Juan Sebastian Piedrahita Giraldo，

Katyeny Manuela Da Silva，

Mohammad Reza Zare Shahneh，

Mingxun Wang，

Kris Laukens，

Thomas De Vijlder，

查看 Wout Bittremieux 的 ORCID 主页

Wout Bittremieux

doi： https://doi.org/10.64898/2026.06.17.733050

Juan Sebastian Piedrahita Giraldo 1 安特卫普大学，比利时安特卫普；

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。

本文依据 CC-BY 4.0 国际许可协议 提供。

返回顶部

上一页

下一页

发表于 2026 年 6 月 23 日。

下载 PDF

电子邮件

感谢您有兴趣传播 bioRxiv 的内容。

您的电子邮件

*

您的姓名

*

发送至

*

请输入多个地址，每行一个，或用逗号分隔。

您将要通过电子邮件发送以下内容

从串联质谱中学习可解释的结构相似性以用于小分子类似物发现

邮件主题

（您的姓名）已从 bioRxiv 转发一个页面给您

邮件正文

（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。

您的个人留言

验证码

此问题用于测试您是否为人工访客，并防止自动垃圾信息提交。

分享

从串联质谱中学习可解释的结构相似性以用于小分子类似物发现

Juan Sebastian Piedrahita Giraldo，

Katyeny Manuela Da Silva，

Mohammad Reza Zare Shahneh，

Mingxun Wang，

Kris Laukens，

Thomas De Vijlder，

Wout Bittremieux

bioRxiv 2026.06.17.733050； doi： https://doi.org/10.64898/2026.06.17.733050

分享本文：

复制

引文工具

从串联质谱中学习可解释的结构相似性以用于小分子类似物发现

Juan Sebastian Piedrahita Giraldo，

Katyeny Manuela Da Silva，

Mohammad Reza Zare Shahneh，

Mingxun Wang，

Kris Laukens，

Thomas De Vijlder，

Wout Bittremieux

bioRxiv 2026.06.17.733050； doi： https://doi.org/10.64898/2026.06.17.733050

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.17.733050v1?rss=1

🏷️ 串联质谱 非靶向代谢组学 小分子类似物发现 Transformer模型 结构相似性 可解释机器学习