Deep3DCCS：基于多视角分子投影张量的几何驱动碰撞截面预测

《Journal of Chemical Information and Modeling》：Deep3DCCS: Geometry-Driven Collision Cross Section Prediction from Multi-View Molecular Projection Tensors

　　

来自离子迁移-质谱(IM-MS)的碰撞截面(CCS)测量可提高代谢组学与脂质组中分子鉴定的可靠性，并降低非靶向分析中的假阳性注释。然而实验CCS覆盖率仍不完整，且仍需要准确的计算预测。研究人员提出Deep3DCCS，一种几何驱动的深度学习框架，其从堆叠的多角度分子投影张量预测CCS，并使用在投影视角维与两个空间图像维上运算的三维卷积神经网络(3DCNN)。由SMILES字符串生成的三维分子结构绕x、y和z轴旋转，转换为二值二维投影，并组装为标准化的多视角张量用于CCS回归。Deep3DCCS使用经过整理的AllCCS与METLIN脂质CCS数据集开发和评估，包含[M – H]?、[M + H]+和[M + Na]+等离子对应的3948个分子–加合物条目；输入优化确定32 × 32像素投影、每轴5次旋转，是预测精度、模型稳定性与计算可行性之间的实用平衡。在独立真验证实验中，AllCCS训练的模型在AllCCS验证数据上达到3.27–3.79%的MRPE，在METLIN验证数据上达到2.93–3.72%的MRPE；而METLIN训练的模型向更宽泛的AllCCS化学空间迁移效果较差。总体而言，这些结果表明多视角分子投影张量可作为CCS预测的可行几何驱动表示，并证明使用3DCNN架构可直接从三维分子形态中学到大量与CCS相关的信息，在独立与跨数据集验证中均取得个位数百分比预测误差。

论文解读：Deep3DCCS的几何驱动碰撞截面预测研究

研究背景方面，离子迁移-质谱(IM-MS)可按碰撞截面(CCS)分离异构体与同量异位体，CCS反映离子的尺寸、形状、极化率和气相结构，是与高分辨质量、保留时间和串联质谱(MS/MS)互补的分子鉴定描述符。但实验CCS数据库仅覆盖代谢组学、脂质组学中一小部分分子，实验测定成本高、覆盖不全。传统方法如MobCal、IMoS依赖分子力学与动力学；AllCCS、CCSpase、DeepCCS等机器学习方法多用分子描述符、指纹或图表示，许多方法并未把三维分子形状编码为可直接被卷积神经网络学习的图像化表示。已有SigmaCCS2用图神经网络(GNN)利用三维构象，PACCS用投影面积结合深度学习，但仍常把几何压缩为图嵌入、标量特征或取向平均表示。因此，研究人员开展本研究，检验“多视角二维投影张量”能否作为一种显式保留取向相关轮廓、紧凑性、各向异性和空间形状模式的CCS预测表示。

研究人员构建Deep3DCCS框架：从SMILES得到中性三维结构，绕x、y、z轴旋转生成二值二维投影，堆叠为3n × R × R × 1的多视角分子投影张量，再用三维卷积神经网络(3DCNN)在投影视角维与空间图像维上学习CCS回归。结论上，Deep3DCCS在独立真验证中取得3%量级MRPE，说明三维分子形态本身包含可观的CCS相关信息；但相比AllCCS2、CCSbase2、SigmaCCS2等工具，它并未在总体精度上取得优势。其意义在于提供一条不依赖预定义描述符的几何驱动建模范式，并为投影张量、构象集合和混合表示研究提供基线。

主要关键技术方法上，研究人员使用两个公开来源样本队列：AllCCS网页库记录的广化学空间CCS数据，以及METLIN Lipids仓库的脂质富集CCS数据；重叠条目按InChIKey、SMILES、LMSD ID、PubChem CID、CAS与加合物类型剔除，多来源重复CCS取平均，最终3948个分子–加合物条目。结构端用RDKit以ETKDGv3嵌入单构象并以UFF最小化；投影端按质量加权质心重居中、按范德华半径缩放原子标记、以θ = π/N旋转并渲染二值图像；建模端用Keras/TensorFlow搭建4个3D卷积块、BatchNormalization、GlobalAveragePooling3D与全连接回归头；对照实验用CREST与GFN2-xTB生成加合物感知气相结构；评估端采用80%开发集与20%独立真验证集，并以MRPE、RPE、R²和Spearman相关分析误差与柔性、分子量、投影面积变异性的关系。

研究结果如下。

Effect of Image Resolution and Rotational Sampling on CCS Prediction Performance：研究人员系统评估8×8至200×200分辨率与每轴1、3、5、10次旋转，发现8×8因空间压缩过强误差高；32×32像素、每轴5次旋转在MRPE、R²、稳定性和GPU内存占用间最优，更高分辨率或更多旋转未带来一致改善，说明几何细节与训练数据规模需平衡。

Data Saturation and Training-Condition Assessment：研究人员按训练集比例、批大小和轮次评估，发现训练数据超过约10–20%后MRPE下降趋缓，批大小8、250轮在验证误差与训练成本间较平衡；百万分子端到端预测约5.5天，结构生成与投影渲染可并行，适合离线大库CCS预测与参考库构建。

Independent True Validation and CCS-Range Dependence of Cross-Dataset Generalization：AllCCS训练模型在AllCCS验证集MRPE为3.27%、3.79%、3.57%，在METLIN验证集为3.03%、2.93%、3.72%，可向脂质空间迁移；METLIN训练模型在METLIN上表现好，但在AllCCS上MRPE升至5.27%、5.95%、5.62%，低CCS区间偏差更大。结论为：可迁移性依赖训练集对目标CCS区间与化学空间的覆盖，广覆盖AllCCS产生更通用模型，脂质专用METLIN模型偏向高CCS脂质结构。

Impact of Ion-Specific Structure and Molecular Flexibility on Prediction Error：研究人员用CREST得到加合物感知结构后重训模型，[M – H]^?、[M + H]⁺、[M + Na]⁺验证MRPE为3.36%、3.11%、3.61%，与中性单构象结果相近，说明单个最低能离子构象不足以消除剩余误差。柔性分析中，可旋转键数不与绝对RPE相关，但与有符号百分比误差弱正相关，即分子越柔越倾向CCS过高预测，[M – H]^?和[M + Na]⁺更明显。

Chemical-Class and Lipid-Category Dependence of Prediction Error：AllCCS超类中有机氧化合物与核苷类误差最低，苯类、脂类、苯丙素与聚酮类、有机酸类较高；METLIN中甘油磷脂、鞘脂、脂肪酸酰类误差较低，甾醇脂质误差最高，可能源于稠环结构对电离重取向或加合物配位敏感，小组别因样本少而不确定性强。

Benchmarking Against Established CCS Prediction Tools：在相同独立真验证集上，AllCCS2、CCSbase2、SigmaCCS2总体MRPE更低；Deep3DCCS在部分分子–加合物条目上误差更低，但按AllCCS超类或METLIN脂类做配对检验并校正多重假设后，未发现Deep3DCCS具有统计显著的类别级优势；投影面积变异性与ΔRPE也无显著正相关。

讨论部分总结：研究人员指出Deep3DCCS的价值不在立即超越现有工具，而在用空间显式投影张量研究“结构–CCS”关系，并提供投影学习基线。中性单构象不捕捉加合物特定离子结构或气相构象异质性，是核心局限；单构象只在主导构象或构象尺寸相近时近似有效。未来应走向构象集合、可选质子化/去质子化/金属配位位点、化学信息通道（原子类型、部分电荷、极化率、投影密度），以及投影张量与分子描述符或图特征的混合模型。这样可在保留三维形态信息的同时补入拓扑与物理化学信息。

结论部分翻译：研究人员提出Deep3DCCS，一种几何驱动的深度学习框架，使用3DCNN从多视角分子投影张量直接预测碰撞截面(CCS)。Deep3DCCS不依赖预定义分子描述符，而是从SMILES衍生的分子几何中学习与CCS相关的特征，并提供基于投影张量的CCS预测策略。独立真验证与跨数据集分析表明，模型性能强烈依赖训练数据的化学空间与CCS区间覆盖；较广的AllCCS训练比仅METLIN训练更能向脂质富集的METLIN数据迁移。与AllCCS2、CCSbase2和SigmaCCS2基准比较显示，Deep3DCCS并未一致优于这些已有工具，但在多个化学类与脂类中心个别分子–加合物条目上观察到更低预测误差；统计上未发现Deep3DCCS具有系统优势的子类或取向依赖投影特征。原Deep3DCCS实现的关键限制是使用中性单构象几何，不能显式捕捉加合物特定离子结构或气相构象异质性；CREST加合物感知对照在[M – H]^?、[M + H]⁺、[M + Na]⁺上分别为3.36%、3.11%、3.61%，未相对中性结构工作流取得一致改善。对原AllCCS验证数据的分析显示绝对RPE不随可旋转键数系统增加，但有符号预测误差的弱正相关表明分子柔性增加时存在轻度过高预测趋势。未来可通过构象感知与离子特定表示、化学信息张量通道，或将投影衍生特征与分子描述符及图表示混合来扩展该框架。