SpecEmbedding：一种面向化合物鉴定的深度学习嵌入方法

摘要

为应对质谱图在化合物结构多样性和实验环境差异下所表现出的异质性问题，提出一种提升质谱图间可比性的表征方法。该方法命名为SpecEmbedding，融合正弦嵌入与监督对比学习策略，旨在将高维、复杂的质谱图转化为低维向量表示。在GNPS公共数据集上对该方法进行训练与评估，并将其与主流方法进行对比。实验结果显示，SpecEmbedding在测试集上Top-1命中率指标上达到84.38%，相较目前最优方法CLERMS提高6.3%。该方法能显著增强质谱图间的可比性，有效提升化合物鉴定任务中的准确性与鲁棒性。

关键词

质谱 / 化合物鉴定 / 表征学习 / 对比学习