論文の概要: Direct Molecular Conformation Generation

• arxiv url: http://arxiv.org/abs/2202.01356v1
• Date: Thu, 3 Feb 2022 01:01:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-04 14:26:58.803818
• Title: Direct Molecular Conformation Generation
• Title（参考訳）: 直接分子コンフォーメーション生成
• Authors: Jinhua Zhu, Yingce Xia, Chang Liu, Lijun Wu, Shufang Xie, Tong Wang, Yusong Wang, Wengang Zhou, Tao Qin, Houqiang Li, Tie-Yan Liu
• Abstract要約: 本稿では,原子の座標を直接予測する手法を提案する。 提案手法は,4つの公開ベンチマークの最先端結果を実現する。
• 参考スコア（独自算出の注目度）: 217.4815525740703
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Molecular conformation generation aims to generate three-dimensional coordinates of all the atoms in a molecule and is an important task in bioinformatics and pharmacology. Previous distance-based methods first predict interatomic distances and then generate conformations based on them, which could result in conflicting distances. In this work, we propose a method that directly predicts the coordinates of atoms. We design a dedicated loss function for conformation generation, which is invariant to roto-translation of coordinates of conformations and permutation of symmetric atoms in molecules. We further design a backbone model that stacks multiple blocks, where each block refines the conformation generated by its preceding block. Our method achieves state-of-the-art results on four public benchmarks: on small-scale GEOM-QM9 and GEOM-Drugs which have $200$K training data, we can improve the previous best matching score by $3.5\%$ and $28.9\%$; on large-scale GEOM-QM9 and GEOM-Drugs which have millions of training data, those two improvements are $47.1\%$ and $36.3\%$. This shows the effectiveness of our method and the great potential of the direct approach. Our code is released at \url{https://github.com/DirectMolecularConfGen/DMCG}.
• Abstract（参考訳）: 分子配座生成は分子内の全ての原子の3次元座標を生成することを目的としており、バイオインフォマティクスや薬理学において重要な課題である。 従来の距離に基づく手法はまず原子間距離を予測し、それに基づいてコンフォメーションを生成する。 本研究では,原子の座標を直接予測する手法を提案する。 我々は、分子内の対称原子の配座と置換の座標のロト変換に不変な共形生成のための専用損失関数を設計する。 さらに,複数のブロックを積み重ねるバックボーンモデルも設計し,各ブロックが先行するブロックによって生成されたコンフォメーションを洗練する。 2万ドルのトレーニングデータを持つ小規模のgeom-qm9とgeom-drugsでは、以前のベストマッチングスコアを3.5\%$と28.9\%$で改善することができる。 これにより,本手法の有効性と直接的アプローチの可能性を示す。 私たちのコードは \url{https://github.com/DirectMolecularConfGen/DMCG} でリリースされています。

関連論文リスト

• A Group Symmetric Stochastic Differential Equation Model for Molecule Multi-modal Pretraining [36.48602272037559]
  分子プレトレーニングは、AIベースの薬物発見のパフォーマンスを高めるために、急速にゴーツースキーマになっている。 本稿では,2次元トポロジーから3次元反射を生成するMoleculeSDEを提案する。 プレトレーニングベースライン17点と比較することにより,32のダウンストリームタスク中26点において,MoleculeSDEが最先端のパフォーマンスを持つ表現表現を学習できることを実証的に検証する。
  論文  参考訳（メタデータ） (2023-05-28T15:56:02Z)
• MiDi: Mixed Graph and 3D Denoising Diffusion for Molecule Generation [47.15291538945242]
  この研究は、分子グラフとそれに対応する原子の3次元配置を共同生成する新しい拡散モデルであるMiDiを紹介する。 3Dコンホメーションに基づいて分子結合を決定するための事前定義された規則に依存する既存の方法とは異なり、MiDiは分子生成過程を合理化するエンドツーエンドの微分可能なアプローチを提供する。
  論文  参考訳（メタデータ） (2023-02-17T18:27:14Z)
• Heterogenous Ensemble of Models for Molecular Property Prediction [55.91865861896012]
  分子の異なるモーダル性を考える手法を提案する。 これらのモデルをHuberRegressorでアンサンブルします。 これにより、OGB Large-Scale Challenge (2022)の2textsuperscriptndエディションの勝利のソリューションが得られる。
  論文  参考訳（メタデータ） (2022-11-20T17:25:26Z)
• Unified 2D and 3D Pre-Training of Molecular Representations [237.36667670201473]
  統合された2次元および3次元事前学習に基づく新しい表現学習法を提案する。 原子座標と原子間距離は符号化され、グラフニューラルネットワークを介して原子表現と融合する。 提案手法は10タスクの最先端化を実現し、2Dのみのタスクの平均改善率は8.3%である。
  論文  参考訳（メタデータ） (2022-07-14T11:36:56Z)
• Molecule3D: A Benchmark for Predicting 3D Geometries from Molecular Graphs [79.06686274377009]
  我々は、約400万分子の正確な基底状態のジオメトリーを持つデータセットを含むMolecule3Dと呼ばれるベンチマークを開発する。 我々は3次元空間における原子と原子の対距離を予測する2つのベースライン法を実装した。 本手法は予測精度に匹敵する精度を達成できるが,計算コストははるかに小さい。
  論文  参考訳（メタデータ） (2021-09-30T22:09:28Z)
• GeoMol: Torsional Geometric Generation of Molecular 3D Conformer Ensembles [60.12186997181117]
  分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。 既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。 エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
  論文  参考訳（メタデータ） (2021-06-08T14:17:59Z)
• An End-to-End Framework for Molecular Conformation Generation via Bilevel Programming [71.82571553927619]
  分子コンフォメーション予測のためのエンドツーエンドソリューションであるconfvaeを提案する。 具体的には、まず分子グラフを潜時空間に符号化し、3次元構造は原理化された二段階最適化プログラムを解くことによって生成される。
  論文  参考訳（メタデータ） (2021-05-15T15:22:29Z)

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。