GLACIER: Rethinking Mass Spectrum Prediction as an Object Detection Problem¶
会议: NeurIPS 2026
arXiv: 2606.29161
代码: https://github.com/coleygroup/ms-pred
领域: 计算生物
关键词: 串联质谱预测、图目标检测、DETR、断点预测、分子碎片生成
一句话总结¶
将分子串联质谱预测（MS/MS）类比为分子图上的单阶段目标检测任务，通过端到端可微断点预测与动态子图池化消除了两阶段候选碎片穷举的瓶颈，在 NIST'20 与 MassSpecGym 基准上大幅刷新检索精度并将推理速度提升近 8 倍。
研究背景与动机¶
串联质谱（MS/MS）分析是分析化学、临床代谢组学和系统生物学中鉴定未知分子结构的核心手段。利用计算模型直接从分子二维图结构预测其在碰撞诱导解离（CID）下裂解形成的碎片离子及其相对质谱峰强度（即 \((m/z, \text{intensity})\) 集合），能够为海量候选结构生成标准参照谱图，进而实现高通量化合物检索与结构鉴定。传统深度学习方法以及当前代表性的最先进方案（如 ICEBERG、FraGNNet、MARASON 等）普遍采用“两阶段”范式：先依赖规则碎片模拟器或启发式拆分算法（如 MAGMa）在 CPU 上穷举海量候选碎片子图，再构建独立的图神经网络为每个候选碎片打分并预测谱峰强度。
然而，这种两阶段管线在计算效率与建模统一性上面临严峻瓶颈。首先，CPU 端的碎片穷举极度耗时，且各子图之间存在大量重叠原子与键，对每个候选子图独立执行图消息传递带来了巨大的冗余计算开销；其次，启发式规则无法自适应地根据仪器能量调整裂解偏好，而单阶段的已有探索（如 FIORA）仅支持单键或单原子裂解，碎片覆盖率极低。这一困境与计算机视觉早期依赖选择性搜索（Selective Search）的 R-CNN 系列如出一辙——视觉目标检测正是通过从两阶段走向单阶段（YOLO/SSD），再到基于 Transformer 集合预测的 DETR 架构，最终消除了候选框生成（RPN）与非极大值抑制等手工启发规则。
将分子碎片化过程类比为分子图上的目标检测，能为质谱预测开辟全新的建模视角：分子图对应输入图像，裂解产生的碎片子图对应目标检测框（bounding box），而质谱峰强度回归则对应目标分类与置信度预测头。本文的核心 idea 是：将串联质谱预测重塑为图上的单阶段 Transformer 集合预测问题，构建无须候选枚举的 GLACIER 网络，通过可微断点预测器生成多断裂点碎片子图，并结合全局图表示的高效动态池化实现端到端质谱强度预测。
方法详解¶
整体框架¶
GLACIER（Graph Learning of Atomic Component Instances via End-to-end Recognition）接收分子图、加合物类型与碰撞能量作为输入，在单一前向传播中同时生成分子碎片拓扑并预测谱峰强度。整个管线由三大核心模块组成：Graphormer 全局图编码器、基于 DETR 架构的碎片子图检测器（含可微断点预测分支与基数预测分支）、以及基于动态嵌入的高效质谱强度预测器。
%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
A["分子图 + 碰撞能量 + 加合物类型"] --> B["Graphormer 全局特征主干<br/>提取节点嵌入 N 与全局图表征 G"]
B --> C["可微断点预测器<br/>Object Queries 交叉注意力 + LinSATNet 投影"]
C --> D["连通分量解析<br/>GPU 掩码传递闭包提取碎片子图掩码集合 F"]
B --> E["动态子图特征池化与强度预测<br/>掩码注意力池化 + 跨碎片 Transformer + 26维状态预测"]
D --> E
E --> F["离散化谱峰聚合与质谱输出<br/>精确 m/z 质量映射 + 强度累加"]在推理阶段，分子图首先通过 Graphormer 提取全局节点嵌入 \(\mathbf{N} \in \mathbb{R}^{n_{\text{atom}} \times D}\) 与图级表征 \(\mathbf{G} \in \mathbb{R}^{1 \times D}\)；碎片检测器通过一组可学习的 Object Queries 交叉注意力交互，利用约束投影层直接预测断裂原子集合（断点掩码），在 GPU 上并行计算连通分量获取唯一的碎片集合 \(\mathcal{F}\)；强度预测器则复用已有的全局节点嵌入，通过掩码注意力与跨碎片交互输出每个碎片在不同氢位移（Hydrogen Shift）状态下的解离强度，最后根据严格物理公式计算精确精确质荷比 \(m/z\) 并累加得到预测谱图。
关键设计¶
1. 基于 DETR 与 LinSATNet 的可微多断裂点预测：解决图上复杂碎片集合的端到端生成
在质谱物理过程中，一个碎片通常由 1 至 3 次化学键断裂产生，若直接预测节点级二进制子图掩码，由于哪怕一个原子的偏差都会导致 \(m/z\) 完全偏离真实峰位而遭受惩罚，极难稳定收敛。GLACIER 转换思路，改为预测诱导该子图的“边界”（即断裂位点断点集合）。对于邻接矩阵 \(\mathbf{A} \in \{0, 1\}^{n_{\text{atom}} \times n_{\text{atom}}}\) 和子图掩码 \(\mathbf{m} \in \{0, 1\}^{n_{\text{atom}}}\)，真实断点边界定义为与子图相连但不属于子图的原子： $\(\mathbf{b}^{gt} = (\mathbf{A}\mathbf{m}) \odot (\mathbf{1} - \mathbf{m})\)$ 为了以固定数量的 Object Queries \(\mathbf{T} \in \mathbb{R}^{n_{\text{query}} \times D}\) 平行预测多个断裂事件，GLACIER 将 Queries 与全局节点表征 \([\mathbf{G} \,\|\, \mathbf{N}]\) 经 Transformer Decoder 交叉注意力得到 \(\bar{\mathbf{T}}\)，进而计算关联矩阵 \(\mathbf{S} = \bar{\mathbf{T}} \mathbf{N}^\top \in \mathbb{R}^{n_{\text{query}} \times n_{\text{atom}}}\)。为严格控制断裂数上限（设定最大断裂数 \(k=3\)），模型采用可微约束投影层 LinSATNet 对每个亲和向量 \(\mathbf{S}_i\) 映射出 \(k+1\) 个基数约束激活行： $\(\mathbf{C}_i = \left[\text{LinSATNet}(\mathbf{S}_i, 0, \tau), \dots, \text{LinSATNet}(\mathbf{S}_i, k, \tau)\right] \in \mathbb{R}^{(k+1) \times n_{\text{atom}}}\)$ 同时通过轻量 MLP 预测各 Query 选择特定基数的离散概率分布 \(\mathbf{\Gamma}_i = \text{Softmax}(\text{MLP}(\bar{\mathbf{T}}_i))\)。训练时借助匈牙利算法（Hungarian Algorithm）对预测断点与真实断点模式求解二分图最优匹配，并通过多层 Decoder 辅助损失实现端到端训练。
2. 动态子图特征池化与多状态解离预测：消除碎片重叠造成的重复图卷积开销
传统两阶段模型针对枚举出的数百个碎片分别运行独立的图神经网络编码，由于各碎片间存在大量结构重合，造成极大的推理延迟。GLACIER 借鉴图编辑距离学习中的动态嵌入（Dynamic Embedding）思想，所有碎片均直接从主干网络已计算好的节点嵌入 \(\mathbf{N}\) 中提取特征，无需任何重复消息传递。模型首先构建结合化学式绝对正弦编码 \(\psi(\mathbf{f}_k)\)、母核差分特征 \(\psi(\mathbf{r}^{\text{form}} - \mathbf{f}_k)\) 与断裂键数独热编码的碎片初始 Token \(\mathbf{t}_k\)： $\(\mathbf{t}_k = \text{MLP}\left([\mathbf{G} \;\|\; \psi(\mathbf{f}_k) \;\|\; \psi(\mathbf{r}^{\text{form}} - \mathbf{f}_k) \;\|\; \text{OHE}(n_k^{\text{broken}})]\right)\)$ 随后，利用碎片二进制掩码限制注意力感受野，通过 Transformer Decoder 将 \(\mathbf{t}_k\) 与节点表征 \(\mathbf{N}\) 交叉聚合，再经碎片级 Transformer Encoder 建模不同碎片离子之间的竞争解离关系。最终通过 MLP 预测每个碎片在 13 种氢迁移状态（得失至多 6 个氢）及电荷保留（CRF）/电荷迁移（CMF）下的 26 维解离强度分布 \(y_\delta^{(i)} = \sigma(\text{MLP}_{\text{inten}}(\hat{\mathbf{H}}_i)_\delta)\)。这种设计解耦了质谱强度与质荷比 bin 宽度的强依赖，支持任意分辨率推理。
3. 渐进式权重衰减的混合监督学习：破解无真实碎片标注下的训练冷启动困境
质谱预测中一个根本物理难题是实验测得的谱图只有质荷比峰与强度，而无法直接观测解离过程中的碎片离子真实基元结构。如果完全从零开始使用谱图余弦距离端到端监督未成熟的断点预测器，网络将陷入剧烈的模式崩塌。GLACIER 提出了退火教师强迫机制：在训练初期，借助 MAGMa 算法生成的启发式碎片结构作为伪标签来监督断点分类损失 \(\mathcal{L}_{\text{fragment}}\)，并向强度预测模块直接输入启发式碎片计算辅助谱图损失 \(\hat{\mathcal{L}}_{\text{inten}}\)；随着训练步数推进，权重系数 \(w_{\text{magma}}\) 经历预热后以固定衰减率 \(\lambda_{\text{magma}}\) 指数下降： $\(\mathcal{L}_{\text{train}} = w_{\text{magma}} \cdot \left(w_{\text{inten}} \hat{\mathcal{L}}_{\text{inten}} + w_{\text{frag}} \mathcal{L}_{\text{fragment}}\right) + (1 - w_{\text{magma}}) \cdot w_{\text{inten}} \mathcal{L}_{\text{inten}}\)$ 这使得强度预测头在前期建立对化学合理构型的鉴别力，在后期逐步具备主动抑制预测器产生的假阳性断点（给非物理断裂子图赋予近零强度）的能力，最终过渡到完全自主的端到端真实谱图拟合。
损失函数 / 训练策略¶
训练总损失函数由两部分动态平衡：基于匈牙利匹配的断点损失 \(\mathcal{L}_{\text{fragment}}\)（包含对齐交叉熵与基数交叉熵）和基于离散化质谱向量的余弦距离损失 \(\mathcal{L}_{\text{inten}} = \mathcal{D}(s^{gt}, \hat{s})\)。在预训练收敛后，模型引入对比微调（Contrastive Finetuning, CF）策略进一步提升同分异构体检索鉴别力：以 50% 同分子式 PubChem 结构与 50% 随机图单步突变分子作为负样本，利用 Sinkhorn 距离构建排序对比损失 \(\mathcal{L}_{\text{contr}} = \text{ReLU}(-\log(\bar{d}_1 + \delta))\)，驱使正样本预测谱与实验真值的距离显著小于负样本。
实验关键数据¶
主实验¶
论文在两大数据集上进行了全方位评测：NIST'20（530,640 张高能 CID 质谱，涵盖 25,541 种分子结构）与 MassSpecGym（官方最大公共子图边 MCES 分裂，测试集与训练集编辑距离 \(\ge 10\)）。主要评价指标为 Top-\(k\) 分子结构检索召回率、谱图余弦相似度（Cosine Similarity）与谱熵相似度（Entropy Similarity）。
| 数据集 / 评测任务 | 指标 | GLACIER (w/ CF) | GLACIER (w/o CF) | ICEBERG 2.0 (前 SOTA) | 提升幅度 (w/ CF vs SOTA) |
|---|---|---|---|---|---|
| MassSpecGym (Mass Challenge) | Recall@1 | 69.95% (68.36-71.50) | 69.69% | 63.95% | +6.00% |
| MassSpecGym (Formula Challenge) | Recall@1 | 49.88% (48.25-51.49) | 48.49% | 44.35% | +5.53% |
| NIST'20 Random Split (全加合物) | Recall@1 | 0.525 ± 0.008 | 0.390 ± 0.007 | 0.335 ± 0.000 | +0.190 (+56.7%) |
| NIST'20 Scaffold Split (全加合物) | Recall@1 | 0.460 ± 0.004 | 0.384 ± 0.002 | 0.316 ± 0.007 | +0.144 (+45.6%) |
| NIST'20 [M+H]+ Random Split | Recall@1 | 0.533 ± 0.009 | - | 0.400 ± 0.008 | +0.133 (+33.3%) |
| NIST'20 Random Split (全加合物) | Cosine Sim | 0.802 ± 0.002 | 0.821 ± 0.001 | 0.773 ± 0.002 | +0.048 (w/o CF) |
同时，在 NIST'20 骨架划分测试集（共计需要完成 2,707,082 张谱图推理计算）上使用 2 块 NVIDIA A5000 GPU 测定端到端推理速度：
| 模型架构 | 单张谱图耗时 (ms/spec) | 吞吐量 (spec/s/GPU) | 加速比 |
|---|---|---|---|
| ICEBERG 2.0 (两阶段基线) | 10.8 ms | 46.4 | 1.00× |
| GLACIER (单阶段检测) | 1.3 ms | 368.7 | 7.95× |
消融实验¶
论文对混合监督策略、断点预测建模方式、对比微调条件以及图编码主干进行了系统消融验证：
| 实验模块 / 消融配置 | 测试损失 / 关键指标 | 表现说明与分析 |
|---|---|---|
| MAGMa 监督衰减策略 (Table 5) | ||
| 纯端到端强度损失 (\(w_{\text{magma}}=0\)) | 不收敛 (Not Converged) | 缺少先验碎片拓扑锚定，无真实碎片标注导致解空间崩塌 |
| 恒定教师强迫 (\(w_{\text{magma}}=1\)) | 测试损失 0.243 | 强行拟合启发式碎片，模型无法自主纠正启发式规则的假阴性 |
| 衰减混合策略 (\(\lambda_{\text{decay}}=0.9\), 预热2500步) | 测试损失 0.177 | 前期锚定几何拓扑，后期自适应抑制非真实峰，泛化性能最佳 |
| 碎片预测建模方式 (Table 6) | ||
| 纯端到端集合匹配 | 不收敛 (Not Converged) | 缺少几何结构连续性约束 |
| GraphDETR (直接预测原子级掩码 \(\mathbf{m}\)) | 测试损失 0.477 | 节点预测微小误差导致质量偏移被严重惩罚 |
| GLACIER 断点预测 (边界 \(\mathbf{b}^{gt}\) + LinSATNet) | 测试损失 0.418 | 预测断裂位点诱导图连通分量，具备天然连通性保障 |
| 编码主干选择 (Table 7) | ||
| Vanilla GNN | 测试损失 0.433 | 局部消息传递受限于过度平滑和感受野截断 |
| NeuralWalker (随机游走编码器) | 测试损失 0.423 | 优于纯 GNN，但长距离原子依赖捕捉能力弱于全注意力 |
| Graphormer (GLACIER 默认) | 测试损失 0.418 | 空间与边特征注入的 Transformer 表征能力最强 |
关键发现¶
- 对比微调的取舍机制：如表 4 与表 16 所示，对比微调（CF）显著增强了模型对相似诱饵分子的判别能力（NIST'20 Random Top-1 从 39.0% 激增至 52.5%），但会略微降低绝对谱图余弦相似度（0.821 降至 0.802）和峰覆盖率。这是因为更激进的对比惩罚迫使模型主动滤除无辨识度的背景噪音峰，更加聚焦于区分同分异构体的特征指纹峰。
- 高分辨率质荷比的适用性：在 MassSpecGym 上的 bin 宽度实验（Table 17）表明，由于 GLACIER 严格依据预测碎片子图的精确分子量进行 \(m/z\) 物理映射，模型在 0.01 Dalton 的高分辨率设置下的检索精度显著高于 0.1 Dalton 设置，证明了碎片级显式建模在高精度仪器谱图模拟中的决定性优势。
亮点与洞察¶
- 跨学科类比的典范迁移：将质谱化学键解离创新性地映射为图上的“目标检测框（边界原子）”与“目标分类（离子解离强度）”，成功将计算机视觉中 DETR 消除 RPN 的演化路径平移至计算质谱学，打破了长期以来两阶段枚举的思维惯性。
- 可微 LinSATNet 投影与连通分量解耦：巧妙利用图边界操作 \((\mathbf{A}\mathbf{m})\odot(\mathbf{1}-\mathbf{m})\) 代替全图节点掩码，并通过可微最优传输层严格控制最大断裂键数，兼顾了数学可微性与化学解离规律。
- 动态嵌入消除海量冗余计算：将全图 Graphormer 节点表征直接复用于下游所有候选碎片，使推理吞吐量直接实现近 8 倍的飞跃（368.7 spectra/s/GPU），为亿级分子库的实时谱图检索扫清了算力障碍。
局限与展望¶
- 复杂骨架重排反应支持不足：碰撞诱导解离中常伴随复杂的分子内重排（Rearrangement，涉及重原子拓扑连接的重新断键与成键），GLACIER 当前基于子图连通分量的前提假设限制了其对非规则拓扑重排产物的预测能力。
- 伪单阶段与梯度截断：连通分量提取过程目前在断点之后仍存在梯度截断，碎片生成本身依赖 MAGMa 启发式伪标签做初期热启动，尚未达到完全从质谱信号逆推的纯粹端到端无监督解离学习。
相关工作与启发¶
- vs ICEBERG 2.0: ICEBERG 采用两阶段串联结构，先利用规则算法在 CPU 上生成成百上千个候选碎片树，再用 GNN 独立编码各碎片并打分，吞吐极慢且难以扩展；GLACIER 将碎片生成与强度预测统一为单阶段 Transformer 集合预测，在精度超越的同时实现了 8 倍推理加速。
- vs FIORA: FIORA 虽然探索了单步裂解的前向预测，但其机制仅支持单一键断裂，无法覆盖多步连续解离产生的低分子量特征峰；GLACIER 借助可微基数预测和多断裂点机制支持多重断键，谱峰覆盖率（Peak Coverage）达到 87% 以上。
- vs GraphDETR: GraphDETR 尝试在图上直接预测子图节点掩码，但在质谱高灵敏质量度量下极易崩溃；GLACIER 独创基于图边界断点的预测机制，天然保证了提取子图的图拓扑连通性。
评分¶
- 新颖性: ⭐⭐⭐⭐⭐ [将质谱预测开创性地统一为图上单阶段目标检测与 DETR 集合预测范式]
- 实验充分度: ⭐⭐⭐⭐⭐ [覆盖 NIST'20 全加合物与 MassSpecGym 分裂，包含严谨的速度测试与消融]
- 写作质量: ⭐⭐⭐⭐⭐ [类比生动透彻，数学形式化推导与化学直觉阐述清晰]
- 价值: ⭐⭐⭐⭐⭐ [兼具方法学创新与实际应用价值，8倍加速大幅赋能高通量代谢组学鉴定]