論文の概要: Accelerating Antimicrobial Peptide Discovery with Latent Sequence-Structure Model

• arxiv url: http://arxiv.org/abs/2212.09450v1
• Date: Mon, 28 Nov 2022 06:43:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-25 03:20:41.550554
• Title: Accelerating Antimicrobial Peptide Discovery with Latent Sequence-Structure Model
• Title（参考訳）: 潜伏配列構造モデルによる抗菌ペプチド発見の加速
• Authors: Danqing Wang, Zeyu Wen, Fei Ye, Hao Zhou, Lei Li
• Abstract要約: 本稿では,マルチスケールVQ-VAEを用いたAMP(LSSAMP)の潜在シーケンス構造モデルを提案する。 潜伏空間でサンプリングすることにより、LSSAMPは理想的な配列属性と二次構造を持つペプチドを同時に生成することができる。 実験の結果,LSSAMPにより産生されるペプチドはAMPの確率が高く,21の候補のうち2つが優れた抗菌活性を有することが確認された。
• 参考スコア（独自算出の注目度）: 25.476566839229747
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Antimicrobial peptide (AMP) is a promising therapy in the treatment of broad-spectrum antibiotics and drug-resistant infections. Recently, an increasing number of researchers have been introducing deep generative models to accelerate AMP discovery. However, current studies mainly focus on sequence attributes and ignore structure information, which is important in AMP biological functions. In this paper, we propose a latent sequence-structure model for AMPs (LSSAMP) with multi-scale VQ-VAE to incorporate secondary structures. By sampling in the latent space, LSSAMP can simultaneously generate peptides with ideal sequence attributes and secondary structures. Experimental results show that the peptides generated by LSSAMP have a high probability of AMP, and two of the 21 candidates have been verified to have good antimicrobial activity. Our model will be released to help create high-quality AMP candidates for follow-up biological experiments and accelerate the whole AMP discovery.
• Abstract（参考訳）: 抗菌ペプチド (amp) は広スペクトル抗生物質および薬剤耐性感染症の治療において有望な治療法である。 近年、AMP発見を加速する深層生成モデルを導入している研究者が増えている。 しかし、近年の研究は主に、AMPの生物学的機能において重要な配列属性と構造情報の無視に焦点を当てている。 本稿では,マルチスケールVQ-VAEを用いたAMP(LSSAMP)の潜在シーケンス構造モデルを提案する。 潜伏空間でサンプリングすることにより、LSSAMPは理想的な配列属性と二次構造を持つペプチドを同時に生成することができる。 実験の結果,LSSAMPにより産生されるペプチドはAMPの確率が高く,21の候補のうち2つは優れた抗菌活性を有することが確認された。 我々のモデルは、生物実験のフォローアップのための高品質なAMP候補を作成し、AMP発見全体を加速するのに役立つ。

関連論文リスト

• HMAMP: Hypervolume-Driven Multi-Objective Antimicrobial Peptides Design [11.891046340221735]
  本稿では, 抗微生物ペプチド (AMP) 設計における複数の特性を考慮したパラダイムシフトを提案する。 AMP概念のハイパーボリュームに根ざした強化学習と降下アルゴリズムの相乗化により、HMAMPは探索空間を効果的に拡張し、パターン崩壊の問題を緩和する。 10個の候補AMPに対するヘリカル構造と分子動力学シミュレーションの詳細な解析は、多目的AMP設計の領域におけるHMAMPの優位性を検証する。
  論文  参考訳（メタデータ） (2024-05-01T07:17:59Z)
• AMPCliff: quantitative definition and benchmarking of activity cliffs in antimicrobial peptides [4.826446796830595]
  本研究は、カノニカルアミノ酸からなる抗微生物ペプチド(AMP)の交流現象に対する定量的な定義およびベンチマークフレームワークAMPCliffを紹介する。 AMPCliffは、MICによってAMPの活性を定量化し、0.9を、少なくとも2倍のMIC変化を持つ一対の配列ペプチド間の正常化BLOSUM62類似度スコアの最小しきい値として定義する。 解析の結果,これらのモデルがAMP ACイベントを検出できることが明らかとなり,事前学習されたタンパク質言語モデルESM2が評価において優れた性能を示した。
  論文  参考訳（メタデータ） (2024-04-15T12:40:12Z)
• Diffusion Language Models Are Versatile Protein Learners [75.98083311705182]
  本稿では,タンパク質配列の強い生成および予測能力を示す多目的なタンパク質言語モデルである拡散タンパク質言語モデル(DPLM)を紹介する。 まず, 自己制御型離散拡散確率フレームワークを用いて, 進化的タンパク質配列からのスケーラブルDPLMの事前学習を行った。 プレトレーニング後、DPLMは非条件生成のための構造的に可塑性で新規で多様なタンパク質配列を生成する能力を示す。
  論文  参考訳（メタデータ） (2024-02-28T18:57:56Z)
• Artificial intelligence-driven antimicrobial peptide discovery [0.0]
  抗微生物ペプチド(AMP)は、抗微生物抵抗性に対する有望な薬剤として出現する。 AMPは従来の抗生物質の代替となる。 人工知能(AI)は、差別と生成の両方のアプローチを通じてAMP発見に革命をもたらした。
  論文  参考訳（メタデータ） (2023-08-21T14:02:14Z)
• xTrimoABFold: De novo Antibody Structure Prediction without MSA [77.47606749555686]
  我々は、抗体配列から抗体構造を予測するために、xTrimoABFoldという新しいモデルを開発した。 CDRにおけるドメイン特異的焦点損失のアンサンブル損失とフレーム整合点損失を最小化することにより,PDBの抗体構造をエンドツーエンドにトレーニングした。
  論文  参考訳（メタデータ） (2022-11-30T09:26:08Z)
• Graph-Based Active Machine Learning Method for Diverse and Novel Antimicrobial Peptides Generation and Selection [57.131117785001194]
  新しいAMP候補の大規模スクリーニングは高価で、時間もかかり、発展途上国では手頃な価格となっている。 本稿では,新しいAMPの設計に必要なウェットラブ実験の数を統計的に最小化する,アクティブ機械学習ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-18T14:30:48Z)
• Accelerating Inhibitor Discovery for Multiple SARS-CoV-2 Targets with a Single, Sequence-Guided Deep Generative Framework [47.14853881703749]
  我々は、新規な薬物様阻害剤分子の発見に向けた、単一の深層生成機構の広範な有用性を実証する。 このフレームワークは、ターゲット認識設計を行うために、生成モデルから新規分子をターゲットシーケンス条件でサンプリングする。 最も強力なスパイクRBD阻害剤は、SARS-CoV-2変異株に対して幅広いスペクトル活性を有する稀な非共有結合型抗ウイルス剤として出現した。
  論文  参考訳（メタデータ） (2022-04-19T17:59:46Z)
• HMD-AMP: Protein Language-Powered Hierarchical Multi-label Deep Forest for Annotating Antimicrobial Peptides [5.61222966894307]
  各種AMPデータベースからアミノ酸を収集, 洗浄することにより, 多様な多ラベルタンパク質配列データベースを構築した。 我々は、AMPを包括的にアノテートするために、エンドツーエンドの階層型多ラベル深い森林フレームワーク、HMD-AMPを開発した。 AMPを特定した後、AMPが効果的に11の利用可能なクラスから殺すことができるターゲットを予測します。
  論文  参考訳（メタデータ） (2021-11-11T02:10:07Z)
• Accelerating Antimicrobial Discovery with Controllable Deep Generative Models and Molecular Dynamics [109.70543391923344]
  CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。 深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。 提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
  論文  参考訳（メタデータ） (2020-05-22T15:57:58Z)

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。