MS-GPT：将质谱从头解析重构为分子语言模型的后验查询

MS-GPT 用谱图诱导指纹后验查询分子语言模型，在两项基准报告新最优。

资讯摘要

论文提出 MS-GPT，把基于指纹的 MS/MS 从头结构解析重构为对条件分子语言模型进行谱图诱导后验查询。方法用指纹和分子式条件化分子语言模型，通过活跃位密度校准把谱图诱导后验转为指纹查询带，再按生成频率与后验相似度对候选池排序，并用轻量 LoRA 适配器缓解域内后验偏差。作者报告在 NPLIB1 与 MassSpecGym 上取得新最优，Top-1/Top-10 精确匹配分别为 17.1%/27.6% 和 10.2%/13.2%，代码与检查点已公开。

要点速读

1. 论文指出常见从头方法存在训练-推理不匹配：解码器训练用分子计算的 oracle 指纹，推理却用含噪谱图诱导指纹后验。
2. MS-GPT 以指纹和分子式条件化分子语言模型，经活跃位密度校准生成指纹查询带，并按生成频率与后验相似度汇总排序候选。
3. 作者报告在 NPLIB1 和 MassSpecGym 上 Top-1/Top-10 精确匹配为 17.1%/27.6% 与 10.2%/13.2%，候选池扩大可提升回收率但推理成本近线性增加。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。