计算机科学 > 机器学习
[提交于 2025年2月15日
]
标题: 二进制还是非二进制:质谱的替代表示方法
标题: To Bin or not to Bin: Alternative Representations of Mass Spectra
摘要: 质谱分析,尤其是所谓的串联质谱分析,常用于评估样品的化学多样性。 产生的质谱碎片图谱是分子的表示,这些分子的结构可能尚未确定。 这带来了从质谱中实验确定或计算预测分子结构的挑战。 另一种选择是直接从光谱中预测分子性质或分子相似性。 已经提出了各种方法来嵌入质谱,以便在机器学习任务中进一步使用。 然而,这些方法需要对光谱进行预处理,这通常包括对峰进行分箱或子采样,主要理由是创建统一的向量大小并去除噪声。 在这里,我们研究了在下游机器学习任务之前对质谱进行分箱的两种替代方法,即基于集合和基于图的表示。 将这两种提出的表示方法分别与在回归任务上训练的集合变换器和图神经网络进行比较,我们表明它们都显著优于在分箱数据上训练的多层感知机。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.