Machine learning techniques of mass spectra prediction

Bc. Filip Jozefov

Bachelor's thesis

Abstract:

Táto bakalárska práca predstavuje komplexnú štúdiu uplatňovania hlbokých neuronových sieti na predpovedanie hmotnostnej spektrometrie z molekulárnych štruktúr. Navrhujeme a vyhodnocujeme tri modely hlbokého učenia založené na grafoch: Graph Convolutional Neural Networks (GCN), Graph Attention Networks (GAT) a TransformerConv s obojsmernou vrstvou. Tieto modely využívajú podobnosť grafov ú štruktúru molekúl, kde sú atómy a chemické väzby reprezentované ako uzly a hrany. Naše modely sa porovnávajú s tromi existujúcimi modelmi v tejto oblasti: NEIMS, GLU a RASSP. Každý model pristupuje k problému z rôznych hľadísk a využíva odlišné stratégie na zachytenie komplexných modelov fragmentácie, ktoré sa vyskytujú počas hmotnostnej spektrometrie. Výkonnosť našich modelov vykazuje sľubné výsledky. GCN model dosahuje bodový súčin 0.850 a Steinov bodový súčin 0.847, čím prekonáva modely NEIMS a GLU a dosahuje lepšiu štandardu odchýlku ako RASSP. Model GAT poskytuje bodový súčin 0.858 a Steinov bodový súčin 0.859, čo naznačuje vyššiu presnosť v porovnaní s modelom GCN. Náš najzložitejší model, TransformerConv, dosahuje najlepší výkon s bodovým súčinom 0.860 a Steinovým súčinom 0.865. Steinovým bodovým súčinom 0.865, čo je len mierne pod výkonom modelu RASSP, ale s výrazne nižšími výpočtovými nárokmi a vyššou rýchlosťou predpovede. Tieto výsledky podčiarkujú potenciál modelov založených na grafových nevrónových sieťach pri predpovedaní hmotnostnej spektrometrie z molekulárncyh štruktúr. Napriek zložitosti úlohy predikcie naše modely preukazujú značnú presnosť a efektívnosť, čím sa približujeme k praxi, reálnym aplikáciám v metabolomike, proteomike a pri objavovaní liečiv.

Abstract:

This thesis presents a comprehensive study of applying deep learning models for predicting mass spectrometry from molecular structures. We propose and evaluate three graph-based deep learning models: Graph Convolutional Neural Networks (GCN), Graph Attention Networks (GAT), and Graph Convolutional Transformers (TransformerConv) with a bidirectional layer. These models exploit the inherent graph structure of molecules, where atoms and chemical bonds are represented as nodes and edges, respectively. Our models are compared against three existing models in the field: NEIMS, GLU, and RASSP. Each model approaches the prediction task from different perspectives and employs distinct strategies to capture the complex fragmentation patterns that occur during mass spectrometry. The performance of our models shows promising results. The GCN model achieves a regular dot product of 0.850 and a Stein dot product of 0.847, outperforming NEIMS and GLU models and reaching a better standard deviation than RASSP. The GAT model yields a dot product of 0.858 and a Stein dot product of 0.859, indicating enhanced precision over the GCN model. Our most complex model, the TransformerConv, attains the best performance with a regular dot product of 0.860 and a Stein dot product of 0.865, only marginally below the performance of RASSP but with significantly less computational demand and higher prediction speed. These results underscore the potential of graph-based deep learning models in predicting mass spectrometry from molecular structures. Despite the complexity of the prediction task, our models demonstrate considerable accuracy and efficiency, bringing us closer to practical, real-world applications in metabolomics, proteomics, and drug discovery.

Keywords

mass spectrometry, mass spectra prediction, machine learning, deep learning, molecular fragmentation, graph neural network, transformer, attention

Language used: English

Date on which the thesis was submitted / produced: 18. 5. 2023

Thesis defence

• Date of defence: 29. 6. 2023
• Supervisor: Mgr. Aleš Křenek, Ph.D.
• Reader: RNDr. Tomáš Rebok, Ph.D.

Masaryk University

Faculty of Informatics

Bachelor programme / field:
Informatics / Informatics