論文の概要: Evolutionary Multi-Objective Design of SARS-CoV-2 Protease Inhibitor
Candidates
- arxiv url: http://arxiv.org/abs/2005.02666v2
- Date: Mon, 18 May 2020 13:35:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 04:47:21.033476
- Title: Evolutionary Multi-Objective Design of SARS-CoV-2 Protease Inhibitor
Candidates
- Title(参考訳): SARS-CoV-2プロテアーゼ阻害剤の進化的多目的設計
- Authors: Tim Cofala, Lars Elend, Philip Mirbach, Jonas Prellberg, Thomas
Teusch, Oliver Kramer
- Abstract要約: 本研究では,SARS-CoV-2の主プロテアーゼに対する潜在的なプロテアーゼ阻害剤を設計するための進化的多目的アルゴリズム(EMOA)を提案する。
SELFIES表現に基づいて、EMOAはドッキングツールQuickVina 2を用いて、候補のタンパク質への結合を最大化する。
実験部は、進化過程を分析し、阻害剤候補について論じる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computational drug design based on artificial intelligence is an emerging
research area. At the time of writing this paper, the world suffers from an
outbreak of the coronavirus SARS-CoV-2. A promising way to stop the virus
replication is via protease inhibition. We propose an evolutionary
multi-objective algorithm (EMOA) to design potential protease inhibitors for
SARS-CoV-2's main protease. Based on the SELFIES representation the EMOA
maximizes the binding of candidate ligands to the protein using the docking
tool QuickVina 2, while at the same time taking into account further objectives
like drug-likeliness or the fulfillment of filter constraints. The experimental
part analyzes the evolutionary process and discusses the inhibitor candidates.
- Abstract(参考訳): 人工知能に基づく計算薬物設計は、新たな研究分野である。
この論文の執筆時点では、世界はSARS-CoV-2の流行に悩まされている。
ウイルスの複製を止めるための有望な方法はプロテアーゼ阻害である。
sars-cov-2の主プロテアーゼの潜在的なプロテアーゼインヒビターを設計するための進化的多目的アルゴリズム(emoa)を提案する。
SELFIES表現に基づいて、EMOAはドッキングツールQuickVina 2を用いたタンパク質への候補リガンドの結合を最大化するとともに、ドラッグライクラインやフィルター制約の実現といったさらなる目的を考慮に入れている。
実験部は進化過程を分析し、インヒビター候補について論じる。
関連論文リスト
- MSAGPT: Neural Prompting Protein Structure Prediction via MSA Generative Pre-Training [48.398329286769304]
マルチシークエンスアライメント(MSA)は、タンパク質ファミリーの進化的軌道を明らかにする上で重要な役割を担っている。
MSAGPTは、低MSA状態下でのMSA生成前訓練を通じてタンパク質構造予測を促進する新しいアプローチである。
論文 参考訳(メタデータ) (2024-06-08T04:23:57Z) - Vaxformer: Antigenicity-controlled Transformer for Vaccine Design
Against SARS-CoV-2 [0.6850683267295248]
本研究では,Vaxformerと呼ばれる新しい条件付きタンパク質言語モデルアーキテクチャを提案する。
Vaxformerは天然の抗原性制御型SARS-CoV-2スパイクタンパク質を産生するように設計されている。
論文 参考訳(メタデータ) (2023-05-18T13:36:57Z) - Virus2Vec: Viral Sequence Classification Using Machine Learning [48.40285316053593]
本稿では,バイラル・シークエンスのための特徴ベクトル表現であるVrus2Vecを提案する。
コロナウイルス科の実際のスパイク配列と狂犬病ウイルスのシークエンスデータに基づいてウイルス2Vecを実験的に評価し、宿主を予測した。
以上の結果から, Virus2Vecはベースラインおよび最先端手法の予測精度よりも優れていた。
論文 参考訳(メタデータ) (2023-04-24T08:17:16Z) - Accelerating Inhibitor Discovery for Multiple SARS-CoV-2 Targets with a
Single, Sequence-Guided Deep Generative Framework [47.14853881703749]
我々は、新規な薬物様阻害剤分子の発見に向けた、単一の深層生成機構の広範な有用性を実証する。
このフレームワークは、ターゲット認識設計を行うために、生成モデルから新規分子をターゲットシーケンス条件でサンプリングする。
最も強力なスパイクRBD阻害剤は、SARS-CoV-2変異株に対して幅広いスペクトル活性を有する稀な非共有結合型抗ウイルス剤として出現した。
論文 参考訳(メタデータ) (2022-04-19T17:59:46Z) - Using Deep Learning Sequence Models to Identify SARS-CoV-2 Divergence [1.9573380763700707]
SARS-CoV-2は上層呼吸器系RNAウイルスで、2021年5月時点で300万人以上が死亡し、全世界で1億5000万人以上が感染している。
本稿では、繰り返しおよび畳み込み単位を利用してスパイクタンパク質のアミノ酸配列を取り込み、対応するクレードを分類するニューラルネットワークモデルを提案する。
論文 参考訳(メタデータ) (2021-11-12T07:52:11Z) - A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
アミノ酸の順序を保つことで,分類器の精度が向上することを示す。
また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
論文 参考訳(メタデータ) (2021-08-07T15:08:15Z) - Evening the Score: Targeting SARS-CoV-2 Protease Inhibition in Graph
Generative Models for Therapeutic Candidates [11.853524110656991]
SARS-CoV-2ウイルスタンパク質を標的とした新規薬物候補の治療法設計について検討する。
抗SARS活性を持つ薬物のデータセットに類似した構造を持つ分子を生成するオートエンコーダを用いる。
生成過程において、薬物類似性、合成アクセシビリティ、および抗SARS活性のバランスをとるために、いくつかの設計目標に対する最適化を検討する。
論文 参考訳(メタデータ) (2021-05-07T18:39:25Z) - Designing a Prospective COVID-19 Therapeutic with Reinforcement Learning [50.57291257437373]
SARS-CoV-2パンデミックは、治療のための世界的なレースを生み出した。
1つのアプローチは、ヒトアンジオテンシン変換酵素2(ACE2)の新規な変異体の設計に焦点を当てる
我々は、強化学習問題として、新しいタンパク質設計の枠組みを定式化する。
論文 参考訳(メタデータ) (2020-12-03T07:35:38Z) - PaccMann$^{RL}$ on SARS-CoV-2: Designing antiviral candidates with
conditional generative models [2.0750380105212116]
新型コロナウイルス(COVID-19)の世界的なパンデミックへの急速な発展に伴い、世界中の科学者が、効果的な抗ウイルス治療薬を必死に探している。
タンパク質標的に適合した抗ウイルス候補薬の条件付きデノボ設計のための深層学習フレームワークを提案する。
論文 参考訳(メタデータ) (2020-05-27T11:30:15Z) - Accelerating Antimicrobial Discovery with Controllable Deep Generative
Models and Molecular Dynamics [109.70543391923344]
CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。
深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。
提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
論文 参考訳(メタデータ) (2020-05-22T15:57:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。