論文の概要: A QUBO model of the RNA folding problem optimized by variational hybrid quantum annealing

• arxiv url: http://arxiv.org/abs/2208.04367v1
• Date: Mon, 8 Aug 2022 19:04:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-01 21:31:50.555711
• Title: A QUBO model of the RNA folding problem optimized by variational hybrid quantum annealing
• Title（参考訳）: 変分ハイブリッド量子アニーリングにより最適化されたrna折り畳み問題のquboモデル
• Authors: Tristan Zaborniak, Juan Giraldo, Hausi M\"uller, Hosna Jabbari, Ulrike Stege
• Abstract要約: 本稿では, 量子アニールと回路モデル量子コンピュータの両方に有効なRNA折り畳み問題のモデルを提案する。 この定式化を、既知のRNA構造に対して全てのパラメータを調整した後、現在のRNA折り畳みQUBOと比較する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: RNAs self-interact through hydrogen-bond base-pairing between nucleotides and fold into specific, stable structures that substantially govern their biochemical behaviour. Experimental characterization of these structures remains difficult, hence the desire to predict them computationally from sequence information. However, correctly predicting even the base pairs involved in the folded structure of an RNA, known as secondary structure, from its sequence using minimum free energy models is understood to be NP-hard. Classical approaches rely on heuristics or avoid considering pseudoknots in order to render this problem more tractable, with the cost of inexactness or excluding an entire class of important RNA structures. Given their prospective and demonstrable advantages in certain domains, including combinatorial optimization, quantum computing approaches by contrast have the potential to compute the full RNA folding problem while remaining more feasible and exact. Herein, we present a physically-motivated QUBO model of the RNA folding problem amenable to both quantum annealers and circuit-model quantum computers and compare the performance of this formulation versus current RNA folding QUBOs after tuning the parameters of all against known RNA structures using an approach we call "variational hybrid quantum annealing".
• Abstract（参考訳）: RNAはヌクレオチドと折りたたみの間の水素結合塩基対を通じて自己相互作用し、その生化学的挙動を実質的に支配する特定の安定な構造に形成する。 これらの構造の実験的なキャラクタリゼーションは依然として困難であり、シーケンス情報からそれらを計算的に予測したいという願望がある。 しかし、最小自由エネルギーモデルを用いた配列から二次構造として知られるrnaの折りたたみ構造に関与する塩基対を正しく予測することはnpハードであると理解されている。 古典的なアプローチは、この問題をより難解なものにするために、ヒューリスティックスや疑似ノットを考慮せずに、不正確なコストや重要なRNA構造全体を排除している。 組合せ最適化を含む特定の領域における予測的かつ実証可能な利点を考えると、コントラストによる量子コンピューティングアプローチは、より現実的で正確なままRNAの折り畳み問題を計算できる可能性がある。 本稿では, 量子アニーラと回路モデル量子コンピュータの両方に適応可能なrna折り畳み問題に対する物理的動機付けのquboモデルを示し, この定式化の性能と, 既知のrna構造に対してパラメータをチューニングした後の現在のrna折り畳みのquboとの比較を行った。

関連論文リスト

• mRNA secondary structure prediction using utility-scale quantum computers [0.0]
  最大60ヌクレオチドの配列長を持つ量子コンピュータ上でmRNA二次構造を解く可能性について検討した。 この結果は、量子コンピュータ上でmRNA構造予測問題の解法が可能であることを示す十分な証拠となる。
  論文  参考訳（メタデータ） (2024-05-30T17:58:17Z)
• RNAFlow: RNA Structure & Sequence Design via Inverse Folding-Based Flow Matching [7.600990806121113]
  RNAFlowはタンパク質条件のRNA配列構造設計のためのフローマッチングモデルである。 そのデノナイジングネットワークはRNA逆フォールディングモデルと事前訓練されたRosettaFold2NAネットワークを統合し、RNA配列と構造を生成する。
  論文  参考訳（メタデータ） (2024-05-29T05:10:25Z)
• RDesign: Hierarchical Data-efficient Representation Learning for Tertiary Structure-based RNA Design [65.41144149958208]
  本研究では,データ駆動型RNA設計パイプラインを体系的に構築することを目的とする。 我々は、ベンチマークデータセットを作成し、複雑なRNA第三次構造を表現するための包括的な構造モデリングアプローチを設計した。 RNA設計プロセスを容易にするために,塩基対を持つ抽出二次構造体を事前知識として組み込んだ。
  論文  参考訳（メタデータ） (2023-01-25T17:19:49Z)
• Deciphering RNA Secondary Structure Prediction: A Probabilistic K-Rook Matching Perspective [63.3632827588974]
  RFoldは、与えられたシーケンスから最もよく一致するK-Rook解を予測する方法である。 RFoldは、最先端のアプローチよりも競争性能とおよそ8倍の推論効率を達成する。
  論文  参考訳（メタデータ） (2022-12-02T16:34:56Z)
• State-specific protein-ligand complex structure prediction with a multi-scale deep generative model [68.28309982199902]
  タンパク質-リガンド複合体構造を直接予測できる計算手法であるNeuralPLexerを提案する。 我々の研究は、データ駆動型アプローチがタンパク質と小分子の構造的協調性を捉え、酵素や薬物分子などの設計を加速させる可能性を示唆している。
  論文  参考訳（メタデータ） (2022-09-30T01:46:38Z)
• E2Efold-3D: End-to-End Deep Learning Method for accurate de novo RNA 3D Structure Prediction [46.38735421190187]
  E2Efold-3Dというエンド・ツー・エンドの深層学習手法を開発し,テクスタイド・ノボRNA構造予測を精度良く行う。 完全微分可能なエンドツーエンドパイプライン、二次構造による自己蒸留、パラメータ効率のよいバックボーンの定式化など、データ不足を克服するために、いくつかの新しいコンポーネントが提案されている。
  論文  参考訳（メタデータ） (2022-07-04T17:15:35Z)
• EBM-Fold: Fully-Differentiable Protein Folding Powered by Energy-based Models [53.17320541056843]
  本研究では,データ駆動型生成ネットワークを用いたタンパク質構造最適化手法を提案する。 EBM-Foldアプローチは,従来のロゼッタ構造最適化ルーチンと比較して,高品質なデコイを効率よく生成できる。
  論文  参考訳（メタデータ） (2021-05-11T03:40:29Z)
• Neural representation and generation for RNA secondary structures [14.583976833366384]
  我々の研究は、遺伝子マクロ分子の一種であるRNAの生成とターゲット設計に関するものである。 大規模で複雑な生物学的構造の設計は、専用のグラフベースの深層生成モデリング技術を刺激する。 本稿では,異なるRNA構造を結合して生成するフレキシブルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-01T15:49:25Z)
• RNA Secondary Structure Prediction By Learning Unrolled Algorithms [70.09461537906319]
  本稿では,RNA二次構造予測のためのエンド・ツー・エンドのディープラーニングモデルであるE2Efoldを提案する。 E2Efoldの鍵となる考え方は、RNA塩基対行列を直接予測し、制約のないプログラミングを、制約を強制するための深いアーキテクチャのテンプレートとして使うことである。 ベンチマークデータセットに関する包括的な実験により、E2Efoldの優れた性能を実証する。
  論文  参考訳（メタデータ） (2020-02-13T23:21:25Z)

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。