論文の概要: tFold-TR: Combining Deep Learning Enhanced Hybrid Potential Energy for
Template-Based Modelling Structure Refinement
- arxiv url: http://arxiv.org/abs/2105.04350v1
- Date: Mon, 10 May 2021 13:32:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-11 14:29:22.456757
- Title: tFold-TR: Combining Deep Learning Enhanced Hybrid Potential Energy for
Template-Based Modelling Structure Refinement
- Title（参考訳）: tFold-TR:テンプレートに基づくモデリング構造再構成のためのディープラーニング強化ハイブリッドポテンシャルエネルギーの組み合わせ
- Authors: Liangzhen Zheng, Haidong Lan, Tao Shen, Jiaxiang Wu, Sheng Wang, Wei
Liu, Junzhou Huang
- Abstract要約: 現在のテンプレートベースのモデリングアプローチは2つの重要な問題に苦しんでいる。
テンプレートの異なる領域からの距離対の精度は様々であり、この情報はモデリングにはあまり導入されていない。
2つのニューラルネットワークモデルは、欠落した領域の距離情報と、テンプレートモデリング構造における異なる領域の距離ペアの精度を予測する。
- 参考スコア（独自算出の注目度）: 53.98034511648985
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Proteins structure prediction has long been a grand challenge over the past
50 years, owing to its board scientific and application interests. There are
two major types of modelling algorithm, template-free modelling and
template-based modelling, which is suitable for easy prediction tasks, and is
widely adopted in computer aided drug discoveries for drug design and
screening. Although it has been several decades since its first edition, the
current template-based modeling approach suffers from two important problems:
1) there are many missing regions in the template-query sequence alignment, and
2) the accuracy of the distance pairs from different regions of the template
varies, and this information is not well introduced into the modeling. To solve
the two problems, we propose a structural optimization process based on
template modelling, introducing two neural network models predict the distance
information of the missing regions and the accuracy of the distance pairs of
different regions in the template modeling structure. The predicted distances
and residue pairwise specific accuracy information are incorporated into the
potential energy function for structural optimization, which significantly
improves the qualities of the original template modelling decoys.
- Abstract（参考訳）: タンパク質の構造予測は、委員会の科学的・応用的関心から、過去50年間にわたって大きな課題だった。
テンプレートフリーモデリングとテンプレートベースモデリングの2つの主要なモデリングアルゴリズムがあり、予測の容易なタスクに適しており、薬物設計やスクリーニングのためのコンピュータ支援薬物発見に広く使われている。
1) テンプレート・クエリ列アライメントには欠落領域が多く, 2) テンプレートの異なる領域からの距離ペアの精度は様々であり,この情報はモデリングにはあまり導入されていない。
この2つの問題を解決するために、テンプレートモデリングに基づく構造最適化プロセスを提案し、2つのニューラルネットワークモデルを用いて、テンプレートモデリング構造における欠落領域の距離情報と異なる領域の距離ペアの精度を予測する。
構造最適化のためのポテンシャルエネルギー関数には、予測距離と残余対方向の特定精度情報が組み込まれ、元のテンプレートモデリングデコイの品質が著しく向上する。
関連論文リスト
- ReshapeIT: Reliable Shape Interaction with Implicit Template for Anatomical Structure Reconstruction [59.971808117043366]
ReShapeITは、同じカテゴリ内で共有される暗黙のテンプレートフィールドを持つ解剖学的構造を表す。
これにより、インスタンス形状とテンプレート形状との対応性の制約を強化することにより、暗黙テンプレートフィールドが有効なテンプレートを生成する。
テンプレートインタラクションモジュールは、有効なテンプレートシェイプとインスタンスワイドの潜在コードとを相互作用することで、目に見えないシェイプを再構築するために導入される。
論文 参考訳（メタデータ） (2023-12-11T07:09:32Z) - Mesh2SSM: From Surface Meshes to Statistical Shape Models of Anatomy [0.0]
我々は、教師なしの置換不変表現学習を利用して、テンプレートポイントクラウドを主題固有のメッシュに変形する方法を推定する新しいアプローチであるMesh2SSMを提案する。
Mesh2SSMは集団固有のテンプレートも学習でき、テンプレート選択によるバイアスを低減できる。
論文 参考訳（メタデータ） (2023-05-13T00:03:59Z) - Bayesian Neural Network Inference via Implicit Models and the Posterior
Predictive Distribution [0.8122270502556371]
本稿では,ベイズニューラルネットワークのような複雑なモデルにおいて,近似ベイズ推論を行うための新しい手法を提案する。
このアプローチはMarkov Chain Monte Carloよりも大規模データに対してスケーラブルである。
これは、サロゲートや物理モデルのような応用に有用であると考えています。
論文 参考訳（メタデータ） (2022-09-06T02:43:19Z) - Manifold Alignment-Based Multi-Fidelity Reduced-Order Modeling Applied
to Structural Analysis [0.8808021343665321]
本研究は,最近開発されたパラメトリック,非貫入性,多次元縮小次モデリング法の高次元変位場および応力場への適用について述べる。
その結果、不整合格子を用いた構造シミュレーションから得られる出力、あるいは関連する異なる位相は、容易に単一の予測モデルに組み合わされることが示されている。
新しいマルチフィデリティ縮小次数モデルでは,単一フィデリティモデルと比較して計算コストが低い場合に,比較的高い予測精度が得られる。
論文 参考訳（メタデータ） (2022-06-14T15:28:21Z) - On generative models as the basis for digital twins [0.0]
デジタルツインや構造鏡の基礎として、生成モデルのためのフレームワークが提案されている。
この提案は、決定論的モデルは、ほとんどの構造モデリングアプリケーションに存在する不確実性を説明できないという前提に基づいている。
論文 参考訳（メタデータ） (2022-03-08T20:34:56Z) - Model-agnostic multi-objective approach for the evolutionary discovery
of mathematical models [55.41644538483948]
現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。
合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
論文 参考訳（メタデータ） (2021-07-07T11:17:09Z) - Closed-form Continuous-Depth Models [99.40335716948101]
連続深度ニューラルモデルは高度な数値微分方程式解法に依存している。
我々は,CfCネットワークと呼ばれる,記述が簡単で,少なくとも1桁高速な新しいモデル群を提示する。
論文 参考訳（メタデータ） (2021-06-25T22:08:51Z) - Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [54.94763543386523]
現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。
本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。
次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
論文 参考訳（メタデータ） (2020-10-25T18:51:15Z) - Goal-directed Generation of Discrete Structures with Conditional
Generative Models [85.51463588099556]
本稿では,強化学習目標を直接最適化し,期待される報酬を最大化するための新しいアプローチを提案する。
提案手法は、ユーザ定義プロパティを持つ分子の生成と、所定の目標値を評価する短いピソン表現の同定という2つのタスクで検証する。
論文 参考訳（メタデータ） (2020-10-05T20:03:13Z) - Predicting Multidimensional Data via Tensor Learning [0.0]
本研究では,本データセットの内在的多次元構造を保持するモデルを開発する。
モデルパラメータを推定するために、オルタネート・リースト・スクエアスアルゴリズムを開発した。
提案モデルは,予測文献に存在するベンチマークモデルより優れている。
論文 参考訳（メタデータ） (2020-02-11T11:57:07Z)
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。