研究背景 荧光光谱是一种广泛应用于识别和量化荧光物质（荧光团）的方法。然而，当材料中包含其他荧光团（基线荧光团）时，量化感兴趣的荧光团变得具有挑战性，特别是当基线的发射光谱未明确定义且与目标荧光团的发射光谱重叠时。为了准确区分并量化这些荧光物质，研究人员提出了基于多波长激发荧光光谱的新方法。这项研究的主要目标是解决基线荧光干扰这一问题，并提供一种无需先验假设的稳健估计算法。 论文来源 这篇名为《An Explicit Estimated Baseline Model for Robust Estimation of Fluorophores Using Multiple-Wavelength Excitation Fluorescence Spectroscopy》的论文，作者包括A. Ga...

这是一篇关于用于小分子质谱预测的图transformers模型(MassFormer)的论文。该研究针对质谱数据中的分子鉴定问题,提出了一种新的深度学习方法来预测小分子的质谱图谱。 背景介绍: 质谱(MS)是一种广泛应用于多个领域(如蛋白质组学、代谢组学、环境化学等)的分析技术,用于鉴定和定量样品中的化学物质。然而,对于大多数小分子,由于其碎裂过程的复杂性,准确模拟质谱图谱一直是该领域的一个关键挑战。现有的基于规则的方法(如CFM)存在性能和适用范围的限制。近年来,深度学习方法被应用于质谱预测,但现有模型主要基于分子指纹或局部图神经网络,无法有效建模分子全局结构和远程原子相互作用对碎裂的影响。 研究来源: 该研究由来自多伦多大学和矢量人工智能研究所的Adamo Young、Hannes Rö...

评估化学暴露对神经退行性疾病的风险 引言 近年来,从溶剂到农药,许多环境化学品被认为与神经退行性疾病的发展和进展有关。然而,迄今为止还缺乏一种类似于全基因组关联研究的系统方法,后者已经发现了与阿尔茨海默症、帕金森病和其他神经退行性疾病有关的数十个基因。幸运的是,现在可以在暴露组框架下研究数百到数千个化学特征。这种新兴的方法利用质谱技术的进步,可以产生暴露组数据来补充基因组数据,从而更好地理解神经退行性疾病。 随着人类寿命的延长,与年龄相关的神经退行性疾病已成为导致残疾和死亡的主要原因。最常见的两种神经退行性疾病阿尔茨海默病(AD)和帕金森病(PD)分别影响着全球超过4500万和600万人。尽管它们临床表现不同,但这些疾病在发病机制上存在共性,如错折蛋白质聚集、蛋白质降解系统中断、线粒体功能障...