GlycoMeSH：将聚糖结构关联到生物医学语境以进行系统性富集分析

糖链鉴定已经取得进展，但由于可复用的糖链层面注释较为稀缺，糖链结构仍然难以转化为可复现的生物医学语境。我们提出了 GlycoMeSH，这是一种通过推理模型、可追溯的关联数据库以及糖链集合富集工作流程将糖链与医学主题词（MeSH）连接起来的资源。GlycoMeSH-BERT 在 recall@30 指标下恢复了约 60% 的文献来源关联，并在不高于封闭标签基线模型的单次预测准确率的情况下，将开放词汇 MeSH 覆盖范围扩展到超出这些基线模型的水平。在候选数量匹配的条件下，其预测在基序层面的语义一致性方面与这些基线模型相当，且独立于训练标签。GlycoMeSH-DB 包含 789,627 条关联，涉及 26,954 个糖链和 20,302 个 MeSH 术语。GlycoMeSH-EA 为来自糖组学和糖蛋白质组学数据集的糖链集合返回了富集的 MeSH 术语。每条关联代表一种生物医学语境，而非经验证的作用机制，并保留其来源 PMID 或预测分数以供审计。GlycoMeSH 提供了缺失的、证据可追溯的注释层，使糖链集合能够在糖科学数据集中通过富集分析被直接解析。

糖链鉴定已取得进展，但由于可复用的糖链层面注释较为稀缺，糖链结构仍然难以转化为可复现的生物医学语境。我们提出了 GlycoMeSH，这是一种通过推理模型、可追溯关联数据库以及糖链集合富集工作流将糖链与医学主题词（MeSH）连接起来的资源。GlycoMeSH-BERT 在 recall@30 水平上恢复了约 60% 的文献来源关联，并在不提高单次预测准确率的情况下，将开放词汇 MeSH 覆盖范围扩展至超越封闭标签基线的方法水平。在候选数量匹配的条件下，其预测结果在基序层面的语义一致性与这些基线方法相当，且独立于训练标签。GlycoMeSH-DB 包含 789,627 条关联，涉及 26,954 个糖链和 20,302 个 MeSH 术语。GlycoMeSH-EA 为来自糖组学和糖蛋白质组学数据集的糖链集合返回了富集的 MeSH 术语。每一条关联代表一种生物医学语境，而非经验证的机制，并保留其来源 PMID 或预测得分以供审计。GlycoMeSH 提供了这一缺失的、证据可追溯的注释层，使糖链集合能够在糖科学数据集中直接通过富集分析进行解析。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.18.745318v1?rss=1

🏷️ 糖链结构 MeSH关联 富集分析 糖组学 可追溯数据库 BERT模型