【儀表網(wǎng) 研發(fā)快訊】近日，廈門大學(xué)電子科學(xué)與技術(shù)學(xué)院陳忠教授團(tuán)隊(duì)在基于深度學(xué)習(xí)的拉普拉斯核磁共振(NMR)譜圖重建與不確定度量化方面取得重要突破，相關(guān)成果以“High-Confidence Reconstruction for Laplace Inversion in NMR Based on Uncertainty-Informed Deep Learning”為題，發(fā)表在Science Advances期刊上。這一成果首次將不確定度估計(jì)引入拉普拉斯NMR重建過(guò)程，能夠在保證高質(zhì)量譜圖解析的同時(shí)，實(shí)現(xiàn)量化結(jié)果的可靠性。
拉普拉斯核磁共振(Laplace NMR)能夠揭示分子的擴(kuò)散和弛豫特性，在化學(xué)、材料和生物醫(yī)學(xué)等領(lǐng)域有廣泛應(yīng)用。要獲得可靠的分子動(dòng)力學(xué)信息，必須準(zhǔn)確重建譜中擴(kuò)散系數(shù)或弛豫時(shí)間的分布。然而，由于逆拉普拉斯變換(ILT)本質(zhì)上是病態(tài)問(wèn)題，傳統(tǒng)方法常依賴經(jīng)驗(yàn)和先驗(yàn)設(shè)定，難以客觀評(píng)估結(jié)果的可信度，因此在缺乏理想?yún)⒖甲V時(shí)面臨極大的挑戰(zhàn)(圖1A)。
為了解決該問(wèn)題，陳忠教授團(tuán)隊(duì)提出了基于深度學(xué)習(xí)的拉普拉斯NMR譜重建方法DREAM (Deep-learning-based Reconstruction and Estimation of the Aleatoric-uncertainty Model)。該模型采用雙分支神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)(圖1B-D)，實(shí)現(xiàn)譜圖重建與不確定度估計(jì)，并通過(guò)改進(jìn)的損失函數(shù)提升訓(xùn)練穩(wěn)定性和預(yù)測(cè)精度。研究還設(shè)計(jì)了后處理方法(圖1E)，不直接使用網(wǎng)絡(luò)輸出，而是對(duì)每個(gè)預(yù)測(cè)譜峰的重建不確定度進(jìn)行量化顯示，從而使DREAM在噪聲干擾嚴(yán)重或?qū)嶒?yàn)條件復(fù)雜的情況下仍能提供有價(jià)值的譜重建結(jié)果。實(shí)驗(yàn)證明(圖2)，DREAM能夠在多樣化實(shí)驗(yàn)條件下提供穩(wěn)健且具有良好泛化能力的譜重建和不確定度量化，為拉普拉斯NMR信號(hào)處理提供比現(xiàn)有深度學(xué)習(xí)方法更全面的解決方案。
圖1. DREAM的整體框架示意圖
圖2.電化學(xué)氧化反應(yīng)前后的DOSY譜
論文第一作者為電子科學(xué)與技術(shù)學(xué)院2023級(jí)博士生陳博與2023級(jí)碩士生張悅斌，通信作者為陳忠教授、黃玉清教授和楊鈺副教授。這項(xiàng)工作得到國(guó)家重點(diǎn)研發(fā)計(jì)劃(2022YFF0707003、2023YFA1607500)，國(guó)家自然科學(xué)基金(12275228, 124B2108, 12175189, 22304142)、福建省自然科學(xué)基金(2024J01054)等項(xiàng)目資助。
近年來(lái)，陳忠教授團(tuán)隊(duì)在拉普拉斯核磁共振深度學(xué)習(xí)重建領(lǐng)域取得了一系列重要成果，包括2024年發(fā)表于Journalof the American Chemical Society的二維拉普拉斯波譜重建工作(J. Am. Chem. Soc. 146, 21591-21599,2024)，2023年發(fā)表于AnalyticalChemistry的擴(kuò)散弛豫譜重建工作(Anal. Chem. 95, 11596-11602, 2023)等。本次成果進(jìn)一步推動(dòng)了拉普拉斯波譜學(xué)及其應(yīng)用的發(fā)展。
所有評(píng)論僅代表網(wǎng)友意見，與本站立場(chǎng)無(wú)關(guān)。