An end-to-end deep learning framework for translating mass spectra to de-novo molecules

An end-to-end deep learning framework for translating mass spectra to de-novo molecules - Communications Chemistry

1. 本研究の学術的な背景と研究が解決する問題は何ですか？
==> 化学分野において、特定の化合物の分子構造を解明することは、薬剤探索、精密医療、バイオマーカー研究などにおいて基本的なタスクです。これまで、分子の構造を決定するには、その分子の質量スペクトルを取得し、スペクトルデータベースを用いて構造を検索することが一般的でした。しかし、データベース上に存在しない新しい分子に対しては、この方法は役に立ちません。本研究は、質量スペクトルだけから分子構造を推定するための深層学習モデル "Spec2Mol" を提案することで、分子構造決定における課題を解決することを目指しています。

2. 本研究の目的及び学術的独自性と創造性は何ですか？
==> Spec2Molは、質量スペクトルだけから分子構造を推定することができるという点で、既存の方法と比べて独自性があります。この手法を用いることで、スペクトルデータベースに存在しない新しい分子の分子構造を推定することが可能になります。

3. 研究の着想を得た経緯や、関連する国内外の研究動向とは何ですか？
==> 既存のスペクトルデータベースを用いた方法では、スペクトルが見つからない化合物に対応することができません。そのため、新しい方法が必要とされています。Spec2Molは、音声信号をテキストに翻訳するSpeech2Textの深層学習技術に着想を得ています。

4. 本研究で何をどのように、どこまで明らかにした？
==> 本研究では、Spec2Molを用いて質量スペクトルだけから分子構造を推定することができることが明らかにされました。また、評価により、Spec2Molは、分子のサブ構造を判別し、独自の分子構造推定方法において従来の方法に匹敵する性能を発揮することが示されました。

5. 本研究の有効性はどのように検証した？
==> 本研究において、スペクトルデータベースに存在しない分子での評価実験を行い、従来の方法に比べ、Spec2Molが分子のサブ構造を判別し、良好な分子構造推定性能を発揮することが確認されました。