基于深度学习的高分二级质谱与小分子结构匹配方法、系统及存储介质

  • 国民经济行业:科学研究和技术服务业/研究和试验发展/自然科学研究和试验发展
  • 学科类别:计算机科学技术/人工智能/人工智能其他学科、化学/有机化学/有机化学其他学科
  • 权利人:上海交通大学

知识产权简介

一种基于深度学习的高分二级质谱与小分子结构智能匹配方法及系统。该方法面向高分辨率MS/MS谱图,综合利用前体离子信息、化学式/加合物信息、碰撞能量信息及谱峰列表,通过光谱编码器提取谱图的峰级与全局表征;通过分子图编码器提取候选分子的原子级与分子级表征;进一步通过跨模态交互模块建立谱峰与原子之间的细粒度关联,生成候选分子的匹配评分并进行排序输出。优选地,碰撞能量采用多维连续向量表示以增强跨能量条件鲁棒性;优选地,引入动态峰权重机制自适应降低噪声峰影响;优选地,对排序靠前的候选分子执行峰级碎片注释与可视化以提升可解释性。本申请可在大规模候选库中实现快速、准确且可解释的小分子鉴定,适用于代谢组学、天然产物、药物分析、环境与食品安全等场景。

转化前景

本专利对应的产品可形态化为一套“高分辨率MS/MS小分子智能鉴定与结构匹配平台/服务”(可提供本地化软件、云端API或仪器端插件),输入前体离子与MS/MS谱峰及碰撞能量等元信息,即可在大规模候选库中完成候选召回、深度学习跨模态精排并输出Top‑K结构及峰级碎片注释可视化报告。其技术优势在于:通过碰撞能量多维连续向量与谱图元信息融合实现跨能量/跨仪器鲁棒建模;以谱峰—原子细粒度注意力对齐与动态峰权重抑噪提升排序区分度;结合候选多级筛选、分子表征预计算缓存与并行推理实现高吞吐;同时提供峰级证据链增强可解释性与可审核性。性能指标可围绕“Top‑1/Top‑5/Top‑10命中率、MRR、单位谱图端到端时延(含检索+精排)、单机/集群吞吐(谱图/分钟)、候选规模适配能力(百万级库下的稳定响应)、跨能量/跨仪器条件下的精度保持率、峰级注释覆盖率与质量误差阈值内匹配率”等进行量化与验收。产业化应用前景方面,可面向代谢组学非靶向鉴定、天然产物发现、药物杂质/代谢物分析、环境与食品安全高通量筛查等场景,作为实验室核心鉴定引擎嵌入现有LC‑MS工作流,显著降低人工解析成本、缩短报告周期,并具备按行业子库与监管目录快速定制、规模化部署与持续迭代的商业化空间。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式 转让
预估金额
联系合作