論文の概要: Accelerating Antimicrobial Discovery with Controllable Deep Generative
Models and Molecular Dynamics
- arxiv url: http://arxiv.org/abs/2005.11248v2
- Date: Fri, 26 Feb 2021 01:03:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-30 08:49:28.137823
- Title: Accelerating Antimicrobial Discovery with Controllable Deep Generative
Models and Molecular Dynamics
- Title（参考訳）: 制御可能な深層生成モデルと分子動力学による抗菌の発見の促進
- Authors: Payel Das, Tom Sercu, Kahini Wadhawan, Inkit Padhi, Sebastian
Gehrmann, Flaviu Cipcigan, Vijil Chenthamarakshan, Hendrik Strobelt, Cicero
dos Santos, Pin-Yu Chen, Yi Yan Yang, Jeremy Tan, James Hedrick, Jason Crain,
Aleksandra Mojsilovic
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 109.70543391923344
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: De novo therapeutic design is challenged by a vast chemical repertoire and
multiple constraints, e.g., high broad-spectrum potency and low toxicity. We
propose CLaSS (Controlled Latent attribute Space Sampling) - an efficient
computational method for attribute-controlled generation of molecules, which
leverages guidance from classifiers trained on an informative latent space of
molecules modeled using a deep generative autoencoder. We screen the generated
molecules for additional key attributes by using deep learning classifiers in
conjunction with novel features derived from atomistic simulations. The
proposed approach is demonstrated for designing non-toxic antimicrobial
peptides (AMPs) with strong broad-spectrum potency, which are emerging drug
candidates for tackling antibiotic resistance. Synthesis and testing of only
twenty designed sequences identified two novel and minimalist AMPs with high
potency against diverse Gram-positive and Gram-negative pathogens, including
one multidrug-resistant and one antibiotic-resistant K. pneumoniae, via
membrane pore formation. Both antimicrobials exhibit low in vitro and in vivo
toxicity and mitigate the onset of drug resistance. The proposed approach thus
presents a viable path for faster and efficient discovery of potent and
selective broad-spectrum antimicrobials.
- Abstract（参考訳）: デ・ノボの治療設計は、大規模な化学レパートリーと、高い広スペクトルの有効性と毒性の低い複数の制約によって挑戦されている。
そこで本研究では,属性制御分子生成のための効率的な計算手法であるclass (control latent attribute space sampling)を提案する。
深層学習分類器を用いて生成した分子を,原子論的シミュレーションから得られた新しい特徴と組み合わせて表示する。
提案手法は, 抗生物質耐性に対処する薬剤候補である, 強い広スペクトル活性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。
わずか20の配列の合成と試験により、多剤耐性と抗生物質耐性のK. pneumoniaeを含むグラム陽性およびグラム陰性病原体に対して高い活性を有する2つの新規およびミニマリストのAMPが膜孔形成を介して同定された。
両抗菌薬はin vitroおよびin vivo毒性が低く、薬剤耐性の発症を緩和する。
提案手法は,強力な広帯域抗菌薬の迅速かつ効率的な発見を可能にする。
関連論文リスト
- BetterBodies: Reinforcement Learning guided Diffusion for Antibody
Sequence Design [10.6101758867776]
抗体は様々な疾患の治療に大きな可能性を秘めている。
従来の湿式検査方法による治療抗体の発見は高価で時間を要する。
抗体の設計における生成モデルの使用は、時間とリソースを削減できるため、大きな約束となる。
論文 参考訳（メタデータ） (2024-09-09T13:06:01Z) - Artificial intelligence-driven antimicrobial peptide discovery [0.0]
抗微生物ペプチド(AMP)は、抗微生物抵抗性に対する有望な薬剤として出現する。
AMPは従来の抗生物質の代替となる。
人工知能(AI)は、差別と生成の両方のアプローチを通じてAMP発見に革命をもたらした。
論文 参考訳（メタデータ） (2023-08-21T14:02:14Z) - Random Copolymer inverse design system orienting on Accurate discovering
of Antimicrobial peptide-mimetic copolymers [9.416757363901295]
我々は,多モデル共重合表現学習,知識蒸留,強化学習による共通ランダム共重合逆設計システムを開発した。
知識蒸留による足場・デコレータ生成モデルの事前学習により、コポリマー空間は、探索のための既存のデータに近い空間に大きく収縮する。
我々の強化学習アルゴリズムは、特定の足場とプロパティや構造に関する要件に基づいてカスタマイズされた生成に適応することができる。
論文 参考訳（メタデータ） (2022-11-30T14:29:50Z) - xTrimoABFold: De novo Antibody Structure Prediction without MSA [77.47606749555686]
我々は、抗体配列から抗体構造を予測するために、xTrimoABFoldという新しいモデルを開発した。
CDRにおけるドメイン特異的焦点損失のアンサンブル損失とフレーム整合点損失を最小化することにより,PDBの抗体構造をエンドツーエンドにトレーニングした。
論文 参考訳（メタデータ） (2022-11-30T09:26:08Z) - Accelerating Antimicrobial Peptide Discovery with Latent Structure [33.288514128470425]
我々は、AMP(LSSAMP)を設計するための潜在シーケンス構造モデルを提案する。
LSSAMPは二次構造を表現するために潜在空間における多スケールベクトル量子化を利用する。
実験の結果,LSSAMPにより産生されるペプチドは抗菌活性が高い可能性が示唆された。
論文 参考訳（メタデータ） (2022-11-28T06:43:32Z) - Graph-Based Active Machine Learning Method for Diverse and Novel
Antimicrobial Peptides Generation and Selection [57.131117785001194]
新しいAMP候補の大規模スクリーニングは高価で、時間もかかり、発展途上国では手頃な価格となっている。
本稿では,新しいAMPの設計に必要なウェットラブ実験の数を統計的に最小化する,アクティブ機械学習ベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-18T14:30:48Z) - 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) - Optimizing Molecules using Efficient Queries from Property Evaluations [66.66290256377376]
汎用的なクエリベースの分子最適化フレームワークであるQMOを提案する。
QMOは効率的なクエリに基づいて入力分子の所望の特性を改善する。
QMOは, 有機分子を最適化するベンチマークタスクにおいて, 既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-11-03T18:51:18Z) - CogMol: Target-Specific and Selective Drug Design for COVID-19 Using
Deep Generative Models [74.58583689523999]
新規なウイルスタンパク質を標的とした新規な薬物様小分子を設計するためのエンド・ツー・エンドのフレームワークであるCogMolを提案する。
CogMolは、分子SMILES変分オートエンコーダ(VAE)の適応事前学習と、効率的なマルチ属性制御サンプリングスキームを組み合わせる。
CogMolは、高目標特異性と選択性を有する合成可能で低毒性な薬物様分子の多制約設計を扱う。
論文 参考訳（メタデータ） (2020-04-02T18:17:20Z)
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。