Fugu-MT 論文翻訳(概要): Contrastive Multiview Coding for Enzyme-Substrate Interaction Prediction

論文の概要: Contrastive Multiview Coding for Enzyme-Substrate Interaction Prediction

arxiv url: http://arxiv.org/abs/2111.09467v1
Date: Thu, 18 Nov 2021 01:18:36 GMT
ステータス: 処理完了
システム内更新日: 2021-11-19 15:12:15.479570
Title: Contrastive Multiview Coding for Enzyme-Substrate Interaction Prediction
Title（参考訳）: 酵素-基質相互作用予測のためのコントラストマルチビュー符号化
Authors: Apurva Kalia (1), Dilip Krishnan (2), Soha Hassoun (1) ((1) Tufts University, (2) Google Research)
Abstract要約: 本稿では,この問題にContrastive Multiview Codingを適用し,予測性能を向上させるための新しい手法を提案する。反応データの複数ビューの一致性は予測性能の向上に有効であることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Characterizing Enzyme function is an important requirement for predicting Enzyme-Substrate interactions. In this paper, we present a novel approach of applying Contrastive Multiview Coding to this problem to improve the performance of prediction. We present a method to leverage auxiliary data from an Enzymatic database like KEGG to learn the mutual information present in multiple views of enzyme-substrate reactions. We show that congruency in the multiple views of the reaction data can be used to improve prediction performance.
Abstract（参考訳）: 酵素機能の特徴付けは、酵素-基質相互作用を予測する上で重要な要件である。本稿では,この問題にContrastive Multiview Codingを適用し,予測性能を向上させるための新しい手法を提案する。 KEGGのような酵素データベースからの補助的データを利用して、酵素-基質反応の複数ビューに存在する相互情報を学習する手法を提案する。反応データの複数ビューの一致性は予測性能の向上に有効であることを示す。

関連論文リスト

Interpretable Enzyme Function Prediction via Residue-Level Detection [58.30647671797602]
本稿では,酵素機能予測のための注意に基づくフレームワークであるProtDETRを提案する。学習可能な関数クエリのセットを使用して、残差レベルの一連の特徴から異なるローカル表現を適応的に抽出する。 ProtDETRは、既存のディープラーニングベースの酵素機能予測法よりも大幅に優れている。
論文参考訳（メタデータ） (2025-01-10T01:02:43Z)
MIN: Multi-channel Interaction Network for Drug-Target Interaction with Protein Distillation [64.4838301776267]
マルチチャネルインタラクションネットワーク(MIN)はドラッグ・ターゲット・インタラクション(DTI)を予測するための新しいフレームワークである MINには、表現学習モジュールとマルチチャネルインタラクションモジュールが組み込まれている。 MINはDTI予測の強力なツールであるだけでなく、タンパク質結合部位の予測に関する新たな洞察も提供する。
論文参考訳（メタデータ） (2024-11-23T05:38:36Z)
EnzymeFlow: Generating Reaction-specific Enzyme Catalytic Pockets through Flow Matching and Co-Evolutionary Dynamics [51.47520281819253]
酵素設計はバイオテクノロジーにおいて重要な領域であり、医薬品開発から合成生物学まで幅広い応用がある。酵素機能予測やタンパク質結合ポケット設計の伝統的な手法は、しばしば酵素-基質相互作用の動的および複雑な性質を捉えるのに不足する。本稿では, 触媒ポケットを生成するために, 階層的事前学習と酵素-反応共進化を用いたフローマッチングを用いた生成モデルであるEnzymeFlowを紹介する。
論文参考訳（メタデータ） (2024-10-01T02:04:01Z)
ReactZyme: A Benchmark for Enzyme-Reaction Prediction [41.33939896203491]
触媒反応に基づくアノテート酵素の新しいアプローチを提案する。酵素反応データセットの解析に機械学習アルゴリズムを用いる。本研究は,酵素反応予測を検索問題として捉え,酵素の触媒活性を比例してランク付けすることを目的とする。
論文参考訳（メタデータ） (2024-08-24T19:19:33Z)
Generative Enzyme Design Guided by Functionally Important Sites and Small-Molecule Substrates [16.5169461287914]
本稿では,酵素をすべての官能基にまたがって設計する統一モデルを学ぶためのアプローチであるEnzyGenを提案する。我々のキーとなるアイデアは、酵素のアミノ酸配列とその3D座標を、所望の触媒機能に対応する機能的に重要な部位と基質に基づいて生成することである。
論文参考訳（メタデータ） (2024-05-13T21:48:48Z)
A Supervised Machine Learning Approach for Sequence Based Protein-protein Interaction (PPI) Prediction [4.916874464940376]
計算タンパク質間相互作用(PPI)予測技術は、時間、コスト、偽陽性相互作用の低減に大きく貢献する。提案したソリューションをSeqPIPコンペティションの結果とともに紹介した。
論文参考訳（メタデータ） (2022-03-23T18:27:25Z)
Improved Drug-target Interaction Prediction with Intermolecular Graph Transformer [98.8319016075089]
本稿では,3方向トランスフォーマーアーキテクチャを用いて分子間情報をモデル化する手法を提案する。分子間グラフ変換器(IGT)は、それぞれ、結合活性と結合ポーズ予測の2番目のベストに対して、最先端のアプローチを9.1%と20.5%で上回っている。 IGTはSARS-CoV-2に対して有望な薬物スクリーニング能力を示す。
論文参考訳（メタデータ） (2021-10-14T13:28:02Z)
Improving Attention Mechanism with Query-Value Interaction [92.67156911466397]
本稿では,問合せ対応の注目値を学習可能な問合せ-値相互作用関数を提案する。我々のアプローチは、多くの注意に基づくモデルの性能を一貫して改善することができる。
論文参考訳（メタデータ） (2020-10-08T05:12:52Z)
Deep Learning of High-Order Interactions for Protein Interface Prediction [58.164371994210406]
本稿では,タンパク質界面の予測を2次元密度予測問題として定式化する。タンパク質をグラフとして表現し、グラフニューラルネットワークを用いてノードの特徴を学習する。我々は高次対相互作用を組み込んで、異なる対相互作用を含む3次元テンソルを生成する。
論文参考訳（メタデータ） (2020-07-18T05:39:35Z)
How does this interaction affect me? Interpretable attribution for feature interactions [19.979889568380464]
我々はArchipelagoと呼ばれる相互作用属性と検出フレームワークを提案する。標準アノテーションラベルを用いた実験により,本手法は同等の手法よりもはるかに解釈可能な説明を提供することが示された。また、ディープニューラルネットワークに新たな洞察を与えるアプローチの視覚化も提供しています。
論文参考訳（メタデータ） (2020-06-19T05:14:24Z)
Enzyme promiscuity prediction using hierarchy-informed multi-label classification [6.6828647808002595]
本稿では,983個の異なる酵素が問合せ分子と相互作用しうるかを予測するための機械学習モデルを提案し,評価する。いくつかの相互作用は自然選択に起因し、酵素の天然基質を含む。しかし、相互作用の大部分は非天然基質を含んでおり、プロミスキュラスな酵素活性を反映している。
論文参考訳（メタデータ） (2020-02-18T01:39:24Z)

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。