跳到正文
Angewandte Chemie International Edition· Ajnabiul Hoque; Frank Glorius·· 来源仅提供日期精选AI 评分72

PRISM 双向NMR基础模型实现峰列表与分子结构互转

PRISM, a Bidirectional NMR Foundation Model: From Peak List to Structure and Back

AI 导读

论文提出双向NMR基础模型PRISM,可将¹H和¹³C峰列表转为SMILES,也能从SMILES预测完整谱图。模型在119万组实验NMR与结构数据上训练,覆盖49种原子类型,spec2mol的top-1精确匹配准确率为60.1%(不考虑立体化学为72.5%),在同一测试集、相同条件下比已发表最强深度学习模型高16.7个百分点。

推荐理由

论文报告PRISM用119万组实验NMR数据训练,并在同一测试集上比已发表深度学习模型高16.7个百分点,可供评估谱图到结构工具的适用范围。

已发表论文 · journal · 10.1002/anie.7185622

本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。

IF(5) 16.7 · 2025 · 期刊参考指标

摘要 · AI 翻译

从核磁共振(NMR)谱图确定分子结构是有机化学、天然产物发现和药物开发中的核心挑战。已有的计算方法在其设计范围内表现稳健,但直接从谱图到结构的模型在很大程度上依赖模拟谱图或狭窄的化学子集,限制了其在真实数据上的稳健性。我们提出 PRISM(Peak-Resolved Integrative Spectral Model,峰分辨整合谱图模型),这是一个统一的 transformer 编码器-解码器,可在实验谱图与分子结构之间双向桥接:spec2mol 将 ¹H 和 ¹³C 峰列表转换为 SMILES 字符串,而 mol2spec 则根据 SMILES 预测完整谱图。Spec2mol 集成了六个化学感知模块,将领域知识嵌入学习过程。在涵盖 49 种原子类型的 119 万对实验 NMR-结构数据上训练后,spec2mol 在同一测试集、相同条件下取得了 60.1% 的立体化学感知(72.5% 的立体化学不感知)top-1 精确匹配准确率,比已发表的最强深度学习(DL)模型高出 16.7 个百分点。Mol2spec 在每个分子不到 0.3 秒的时间内实现了 ¹H MAE 为 0.036 ppm、¹³C MAE 为 0.358 ppm。在光化学反应上微调后,spec2mol 在真实谱图上达到了 69.2%(85.2%)的 top-1 准确率。总之,PRISM 既是一个实用的决策支持系统,可提出并排序候选结构供专家验证,也是一个用于反应分析和虚拟筛选的快速正向预测器。PRISM 可在 https://prism.uni‐muenster.de/ 免费获取。

来源:Angewandte Chemie International Edition · doi.org