تظل عملية التسمية (تعيين الهويات الكيميائية البنيوية) لطيف MS/MS تحديًا كبيرًا بسبب التنوع الجزيئي الهائل في العينات البيولوجية ونطاق قواعد البيانات المرجعية المحدود. حاليًا، تبقى الغالبية العظمى من القياسات الطيفية في "المجال الكيميائي المظلم" دون تسميات بنيوية. لتحسين عملية التسمية، نقترح استخدام MADGEN (Mass-spec Attends to De Novo Molecular GENeration)، وهو طريقة تعتمد على الإنشاء السقالة للهيكل الجزيئي الجديد بمساعدة بيانات الطيف الكتلي. يعمل MADGEN في مرحلتين: استرجاع السقالة وتوليد جزيء مشروط بالطيف يبدأ من السقالة. في المرحلة الأولى، مع وجود طيف MS/MS، نصيغ عملية استرجاع السقالة كمشكلة تصنيف ونستخدم التعلم التضادي لتوفيق الطيف الكتلي مع السقالات الجزيئية المرشحة. في المرحلة الثانية، بدءًا من السقالة المسترجعة، نستخدم طيف MS/MS لإرشاد نموذج توليدي يستند إلى الانتباه لتوليد الجزء النهائي. يحدّ هذا النهج من مجال البحث عن التوليد الجزيئي، مما يقلل من تعقيده ويحسن دقة التوليد. قمنا بتقييم MADGEN على ثلاثة مجموعات بيانات (NIST23، CANOPUS، و MassSpecGym) وتقييم أداء MADGEN باستخدام مسترجِع سقالة تنبؤي ومع مسترجِع أوراكل (Oracle). لقد أظهرنا فعالية استخدام الانتباه لدمج المعلومات الطيفية خلال عملية التوليد بأكملها لتحقيق نتائج قوية باستخدام مسترجِع الأوراكل.