論文の概要: Structured Q-learning For Antibody Design
- arxiv url: http://arxiv.org/abs/2209.04698v1
- Date: Sat, 10 Sep 2022 15:36:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-13 13:39:16.600526
- Title: Structured Q-learning For Antibody Design
- Title（参考訳）: 抗体設計のための構造化q-learning
- Authors: Alexander I. Cowen-Rivers, Philip John Gorinski, Aivar Sootla, Asif
Khan, Liu Furui, Jun Wang, Jan Peters, Haitham Bou Ammar
- Abstract要約: 抗体設計における重要なステップの1つは、病原体との結合を改善するタンパク質配列中のアミノ酸の配列を見つけることである。
非常に大きな探索空間と非線形目的のために、抗体の組合せ最適化は困難である。
従来の強化学習を抗体設計の最適化に適用すると、性能は低下する。
本稿では,Q-ラーニングの拡張であるQ-ラーニングを提案する。
- 参考スコア（独自算出の注目度）: 82.78798397798533
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Optimizing combinatorial structures is core to many real-world problems, such
as those encountered in life sciences. For example, one of the crucial steps
involved in antibody design is to find an arrangement of amino acids in a
protein sequence that improves its binding with a pathogen. Combinatorial
optimization of antibodies is difficult due to extremely large search spaces
and non-linear objectives. Even for modest antibody design problems, where
proteins have a sequence length of eleven, we are faced with searching over
2.05 x 10^14 structures. Applying traditional Reinforcement Learning algorithms
such as Q-learning to combinatorial optimization results in poor performance.
We propose Structured Q-learning (SQL), an extension of Q-learning that
incorporates structural priors for combinatorial optimization. Using a
molecular docking simulator, we demonstrate that SQL finds high binding energy
sequences and performs favourably against baselines on eight challenging
antibody design tasks, including designing antibodies for SARS-COV.
- Abstract（参考訳）: 組み合わせ構造を最適化することは、生命科学で遭遇した多くの実世界の問題の中核である。
例えば、抗体設計に関わる重要なステップの1つは、病原体との結合を改善するタンパク質配列内のアミノ酸の配列を見つけることである。
抗体の組合せ最適化は、非常に大きな探索空間と非線形目的のために難しい。
タンパク質の配列長が11である中性抗体設計問題においても,2.05×10^14以上の構造を探索することに直面している。
Q-learningのような従来の強化学習アルゴリズムを組合せ最適化に適用すると、性能は低下する。
組合せ最適化の事前構造を組み込んだQラーニングの拡張である構造化Qラーニング(SQL)を提案する。
分子ドッキングシミュレータを用いて、sqlは高い結合エネルギー配列を発見し、sars-covの抗体設計を含む8つの挑戦的な抗体設計タスクのベースラインに対して好適に作用することを示す。
関連論文リスト
- SGNet: Folding Symmetrical Protein Complex with Deep Learning [4.064036667570452]
我々はSGNetと呼ばれるタンパク質折り畳みフレームワークを提案し、対称な集合体におけるタンパク質-タンパク質相互作用をモデル化する。
モデリング対称性の厳密な設計により、第4次タンパク質構造予測において、すべてのグローバル対称性をモデル化することができる。
論文 参考訳（メタデータ） (2024-03-07T10:39:48Z) - Inverse folding for antibody sequence design using deep learning [2.8998926117101367]
本稿では, 抗体構造に特異的に最適化した, 精密な折り畳み逆モデルを提案する。
本研究では、相補性決定領域の標準的コンフォーメーションについて検討し、これらのループの既知のクラスタへの符号化を改善した。
論文 参考訳（メタデータ） (2023-10-30T13:12:41Z) - A Hierarchical Training Paradigm for Antibody Structure-sequence
Co-design [54.30457372514873]
抗体配列構造共設計のための階層的訓練パラダイム(HTP)を提案する。
HTPは4段階の訓練段階から構成され、それぞれが特定のタンパク質のモダリティに対応する。
実証実験により、HTPは共同設計問題において新しい最先端性能を設定できることが示されている。
論文 参考訳（メタデータ） (2023-10-30T02:39:15Z) - Cross-Gate MLP with Protein Complex Invariant Embedding is A One-Shot
Antibody Designer [58.97153056120193]
抗体の特異性は、その相補性決定領域(CDR)によって決定される
従来の研究では、複雑な技術を使ってCDRを生成するが、不適切な幾何学的モデリングに悩まされている。
本稿では,CDRの1次元配列と3次元構造を1ショットで共設計できるテクスタイスシンプルで効果的なモデルを提案する。
論文 参考訳（メタデータ） (2023-04-21T13:24:26Z) - A Pareto-optimal compositional energy-based model for sampling and
optimization of protein sequences [55.25331349436895]
深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。
これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
論文 参考訳（メタデータ） (2022-10-19T19:04:45Z) - Mind Your Solver! On Adversarial Attack and Defense for Combinatorial
Optimization [111.78035414744045]
我々は,最適解法に対する敵攻撃と防御のメカニズムの開発を主導する。
本稿では, グラフ構造を改良し, 解法の堅牢性を高めるための, 単純かつ効果的な防衛戦略を提案する。
論文 参考訳（メタデータ） (2021-12-28T15:10:15Z) - 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)
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。