분자 구조로부터 탠덤 질량 스펙트럼 (MS/MS)을 예측하는 것은 임상 대사체학 (clinical metabolomics), 시스템 생물학 (systems biology) 및 인접 학문 분야와 직접적인 관련이 있는 분석 화학의 핵심 과제입니다. 본 연구에서는 분자 그래프 (molecular graphs) 상의 객체 탐지 (object detection) 관점을 통해 이 문제를 재검토합니다. MS/MS 예측의 핵심 단계인 분자 파편화 (molecular fragmentation)는 일련의 서브그래프 (subgraphs, 즉 파편들)와 그와 관련된 스펙트럼 기여도를 탐지하는 것으로 근사화될 수 있습니다. 기존의 파편 기반 모델들은 컴퓨터 비전의 2단계 R-CNN과 유사하게, 먼저 후보 파편을 생성한 다음 점수를 매기는 2단계 패러다임을 따릅니다. 더 높은 정확도와 더 빠른 추론을 위해, 우리는 분자 그래프를 위한 단일 단계 트랜스포머 기반 (transformer-based) 파편 탐지 신경망인 GLACIER를 소개합니다. 이러한 통합된 정식화는 후보 열거의 필요성을 제거하여, 분자 파편화의 확장 가능하고 전역적으로 일관된 모델링을 가능하게 합니다. GLACIER는 기존의 최첨단 (state-of-the-art) 모델보다 상당한 차이로 더 빠르고 정확하며, MassSpecGym 데이터셋에서 대조 학습 미세 조정 (contrastive finetuning)을 적용했을 때와 적용하지 않았을 때 각각 70.0%와 69.7%의 Top-1 검색 정확도를 달성했습니다 (이전 SOTA인 64.0% 대비). 또한 NIST'20 데이터셋에서는 각각 52.5%와 38.5%를 달성했습니다 (이전 SOTA인 33.2% 대비). 나아가, GLACIER는 우리의 이전 2단계 모델에 비해 거의 8배 빠른 추론 속도를 제공합니다. 코드는 https://github.com/coleygroup/ms-pred 에서 확인할 수 있습니다.