导读
近日,四川大学化学学院李峰教授团队开发了一种基于深度学习的质谱谱图预测技术(DeepCDM),利用迁移学习和包含少量实验谱图的训练集,成功将通用性的谱图预测工具转化为针对CDM的专用预测算法,大大提升了CDM质谱谱图预测的准确性。基于DeepCDM,构建了丹磺酰化分子的专用模型Dns-MS,以及包含294647个丹磺酰化分子MS/MS谱图的专用质谱数据库DnsBank,并成功应用于非靶向环境组学,实现了工业废水中新污染物的高通量发现。
导读
近日,四川大学化学学院李峰教授团队开发了一种基于深度学习的质谱谱图预测技术(DeepCDM),利用迁移学习和包含少量实验谱图的训练集,成功将通用性的谱图预测工具转化为针对CDM的专用预测算法,大大提升了CDM质谱谱图预测的准确性。基于DeepCDM,构建了丹磺酰化分子的专用模型Dns-MS,以及包含294647个丹磺酰化分子MS/MS谱图的专用质谱数据库DnsBank,并成功应用于非靶向环境组学,实现了工业废水中新污染物的高通量发现。