DiffGCMS 用离散图扩散从 GC-EI-MS 谱图直接推断分子结构，并以 LLM 修复重排候选
相关研究与后续进展
核心概要
该工作提出 DiffGCMS——一个以质谱为条件的离散图扩散模型，用于从 GC-EI-MS 谱图从头解析分子结构，并进一步构建两阶段框架：第一阶段由 DiffGCMS 生成候选分子结构，第二阶段由大语言模型利用质谱信息验证、修复并重排候选，同时给出碎片离子峰的可解释分析；在 NIST 20 的 13,696 条谱图测试集上，生成模型取得 Acc@1 6.01% 与 Acc@10 15.76%，在重原子数不超过 10 的子集上，LLM 辅助的分子图修复与重排把 Acc@1 从 21.28% 提升到 21.95%、Acc@10 从 46.91% 提升到 47.99%、候选有效性从 91.04% 提升到 100%。
Figure 1: Overall two-stage workflow for molecular structure inference from GC–EI–MS. The query spectrum is encoded as the conditioning vector y y , and the molecular formula determines the heavy-atom set X X . DiffGCMS progressively denoises the bond-adjacency state from A T A^{T} through A t A^{t} to the predicted clean molecular graph A 0 A^{0} . Ten sampling runs are performed for each spectrum to generate 10 candidate SMILES. In the second stage, DeepSeek uses bidirectional SMILES–MoleCode conversion to inspect, retain or revise, and rerank the candidates, returning ranked SMILES together with mass-spectral explanations.
arXiv深度剖析
提出 DiffGCMS，一个以谱图为条件的离散图扩散模型，可直接从 GC-EI-MS 谱图生成候选分子结构，而不依赖参考谱库匹配。 传统方法依赖参考谱库匹配，难以识别谱库中不存在的化合物，也难以从碎片信息直接推断完整分子结构；该工作把结构解析建模为谱图条件下的离散图扩散生成过程。 在 NIST 20 的 13,696 条谱图测试集上，生成模型取得 Acc@1 6.01%、Acc@10 15.76%。
构建两阶段框架，把 DiffGCMS 与 LLM 的第二阶段推理结合：LLM 利用质谱信息验证、修复并重排候选，并对碎片离子峰给出可解释分析。 在生成模型之外引入谱图感知的后处理，使候选分子图得到修复与重排，并提供可追溯的证据支持最终排序。 在重原子数不超过 10 的测试子集上，LLM 辅助的分子图修复与重排把 Acc@1 从 21.28% 提升到 21.95%、Acc@10 从 46.91% 提升到 47.99%、候选有效性从 91.04% 提升到 100%。
该框架可为参考谱库中不存在的化合物生成合理的分子结构，并为决策提供可追溯的证据。 相对依赖谱库匹配的常规流程，该框架面向谱库外化合物，并把排序依据以可审计、可追溯的解释形式呈现。 摘要报告了谱库外化合物的结构生成能力与可追溯解释，并以候选有效性从 91.04% 到 100% 的变化作为后处理效果的量化体现。
启示与展望
该结果面向 GC-EI-MS 挥发性与半挥发性化合物的结构解析场景，适用于希望在不依赖参考谱库匹配的前提下获得候选结构及其排序依据的分析流程。对使用者而言，这意味着可以在谱库外化合物上获得候选分子结构，并得到对碎片离子峰的可解释分析与可追溯证据；两阶段设计也提示，生成模型与谱图感知后处理可以分别评估与替换。摘要给出的量化结果集中在 NIST 20 测试集及重原子数不超过 10 的子集，因此其直接适用范围以该数据与分子规模设定为准。
摘要层面尚不清楚扩散模型的图表示与去噪细节、LLM 修复与重排所依据的质谱信息形式，以及候选有效性达到 100% 的具体判定方式；全谱集与重原子数不超过 10 子集之间指标差异明显，其来源值得在正文中进一步查看。此外，摘要未说明跨谱库或跨仪器条件的验证情况，这些属于后续可关注的方向。