MSAlign：对齐分子和质谱表示以进行代谢物鉴定

从质谱数据中准确识别代谢物（即小分子）仍然是代谢组学的核心挑战，在药物发现、环境分析和临床研究中具有广泛的应用。我们解决分子检索任务，该任务包括从给定一组候选分子的 MS/MS 谱中恢复代谢物的化学结构。我们做出三项贡献。首先，我们提出了一个统一的框架，包含基于表示对齐和对比学习的最新方法。其次，我们介绍了 MSAlign，这是一种轻量级模型，它通过对齐两个冻结基础模型（用于质谱的 DreaMS 和用于分子的 MolDeBERTa）来实现最先进的性能，并证明分数融合策略以非常小的计算成本进一步提高了性能。第三，我们研究了一个长期存在的评估问题：分子检索中的数据分割策略隐式地权衡了数据泄漏和域转移。我们通过引入分布转移的定量度量来形式化这种张力，并用它来评估现有基准中的分割策略。所有数据集、分割、候选集以及 MSAlign 和基线的统一实现均公开发布，以支持可重复的研究。