用于质谱分子结构从头解析的 DiffMS 与 FRIGID 生成框架

摘要

在 Microsoft Research New England 的生成建模与采样研讨会上，Runzhong Wang 介绍了 DiffMS 与 FRIGID 两个生成式 AI 框架，用于基于串联质谱（MS/MS）的分子结构从头解析。DiffMS 是化学式约束的图扩散模型，采用 transformer 谱图编码，并在指纹—结构对上大规模预训练，可直接从实验谱图生成分子结构。FRIGID 在此基础上构建可扩展的扩散语言模型，以数亿个分子结构训练，并通过与 ICEBERG 等正向碎裂模型的循环一致性细化实现推理时扩展，靶向修正与谱图不一致的分子片段。报告指出，这些工作体现了扩散模型、大规模预训练与推理时推理对科学发现和分子鉴定的推进作用。Wang 是 MIT 与 Connor Coley 教授合作的博士后，曾在上海交通大学计算机科学与工程系获学士和博士学位，研究涉及机器学习、优化与计算代谢组学，发表 30 多篇机器学习与 AI for Science 论文。