論文の概要: CoarsenConf: Equivariant Coarsening with Aggregated Attention for Molecular Conformer Generation

• arxiv url: http://arxiv.org/abs/2306.14852v2
• Date: Thu, 19 Oct 2023 23:18:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 03:34:31.557330
• Title: CoarsenConf: Equivariant Coarsening with Aggregated Attention for Molecular Conformer Generation
• Title（参考訳）: CoarsenConf:分子コンフォーマ生成のための凝集注意による等変粗大化
• Authors: Danny Reidenbach, Aditi S. Krishnapriyan
• Abstract要約: 本稿では, 反角に基づく分子グラフをSE(3)等価な階層的変分オートエンコーダに統合するCoarsenConfを紹介する。 等変粗粒化により、回転可能な結合を介して連結された部分グラフの微細な原子座標を集約し、可変長粗粒化潜在表現を生成する。 本モデルでは, 粗粒の潜在表現から細粒度座標を復元する新しいアグリゲートアテンション機構を用いて, 正確なコンフォメータを効率よく生成する。
• 参考スコア（独自算出の注目度）: 3.31521245002301
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Molecular conformer generation (MCG) is an important task in cheminformatics and drug discovery. The ability to efficiently generate low-energy 3D structures can avoid expensive quantum mechanical simulations, leading to accelerated virtual screenings and enhanced structural exploration. Several generative models have been developed for MCG, but many struggle to consistently produce high-quality conformers. To address these issues, we introduce CoarsenConf, which coarse-grains molecular graphs based on torsional angles and integrates them into an SE(3)-equivariant hierarchical variational autoencoder. Through equivariant coarse-graining, we aggregate the fine-grained atomic coordinates of subgraphs connected via rotatable bonds, creating a variable-length coarse-grained latent representation. Our model uses a novel aggregated attention mechanism to restore fine-grained coordinates from the coarse-grained latent representation, enabling efficient generation of accurate conformers. Furthermore, we evaluate the chemical and biochemical quality of our generated conformers on multiple downstream applications, including property prediction and oracle-based protein docking. Overall, CoarsenConf generates more accurate conformer ensembles compared to prior generative models.
• Abstract（参考訳）: 分子コンホメータ生成(MCG)は、化学情報学と薬物発見において重要な課題である。 低エネルギーの3D構造を効率的に生成する能力は、高価な量子力学シミュレーションを回避し、仮想スクリーニングの高速化と構造探索の強化につながる。 MCG向けにいくつかの生成モデルが開発されているが、高品質なコンバータを一貫して作るのに多くの困難がある。 これらの問題に対処するために、CoarsenConfを導入し、これは分子グラフをねじれ角に基づいて粗く解析し、SE(3)等式な階層的変分オートエンコーダに統合する。 等変粗粒化により、回転可能な結合を介して連結された部分グラフの微細な原子座標を集約し、可変長粗粒化潜在表現を生成する。 本モデルでは, 粗粒の潜在表現から細粒度座標を復元する新しいアグリゲートアテンション機構を用いて, 正確なコンフォメータを効率よく生成する。 さらに,複数の下流アプリケーションにおいて生成したコンフォメータの化学的および生化学的品質を,プロパティ予測やoracleベースのタンパク質ドッキングを含む評価した。 全体として、CoarsenConfは以前の生成モデルよりも正確なコンフォメータアンサンブルを生成する。

関連論文リスト

• Lift Your Molecules: Molecular Graph Generation in Latent Euclidean Space [46.11163798008912]
  3次元分子生成モデルを用いた新しい分子グラフ生成フレームワークを提案する。 分子グラフを合成コンホメータ座標によりユークリッド点雲にマッピングし,E(n)-等変グラフニューラルネットワーク(EGNN)を用いて逆写像を学習する。 誘導点雲構造潜在空間は既存の3次元分子生成モデルを適用するのに適している。
  論文  参考訳（メタデータ） (2024-06-15T05:29:07Z)
• HEroBM: a deep equivariant graph neural network for universal backmapping from coarse-grained to all-atom representations [0.0]
  粗粒度(CG)技術は大規模システムをサンプリングするための貴重なツールとして登場した。 彼らは、調査プロセスの解読において大きな関連性を持つ可能性のある、原子論的な詳細を犠牲にしている。 推奨されるアプローチは、重要なCGコンホメーションを特定し、それらをバックマッピング法で処理し、原子座標を検索することである。 深部等変グラフニューラルネットワークと階層的アプローチを用いて高分解能バックマッピングを実現する,動的でスケーラブルなHEroBMを提案する。
  論文  参考訳（メタデータ） (2024-04-25T13:54:31Z)
• CWF: Consolidating Weak Features in High-quality Mesh Simplification [50.634070540791555]
  これらの要件をすべて同時に検討するスムーズな機能を提案する。 この官能基は、通常の異方性項と、セトロイド型ボロノイテッセルレーション(CVT)エネルギー項を含む。
  論文  参考訳（メタデータ） (2024-04-24T05:37:17Z)
• DecompOpt: Controllable and Decomposed Diffusion Models for Structure-based Molecular Optimization [49.85944390503957]
  DecompOptは、制御可能・拡散モデルに基づく構造に基づく分子最適化手法である。 DecompOptは強いde novoベースラインよりも優れた特性を持つ分子を効率よく生成できることを示す。
  論文  参考訳（メタデータ） (2024-03-07T02:53:40Z)
• Mesh-based Gaussian Splatting for Real-time Large-scale Deformation [58.18290393082119]
  ユーザがリアルタイムで大きな変形で暗黙の表現を直接変形または操作することは困難である。 我々は,インタラクティブな変形を可能にする新しいGSベースの手法を開発した。 提案手法は,高いフレームレートで良好なレンダリング結果を維持しつつ,高品質な再構成と効率的な変形を実現する。
  論文  参考訳（メタデータ） (2024-02-07T12:36:54Z)
• SIGMA: Scale-Invariant Global Sparse Shape Matching [50.385414715675076]
  非剛体形状の正確なスパース対応を生成するための新しい混合整数プログラミング(MIP)法を提案する。 いくつかの挑戦的な3Dデータセットに対して,スパースな非剛性マッチングの最先端結果を示す。
  論文  参考訳（メタデータ） (2023-08-16T14:25:30Z)
• Modular Flows: Differential Molecular Generation [18.41106104201439]
  フローは、エンコーディングプロセスを反転させることで、分子を効果的に生成することができる。 既存のフローモデルでは、アーチファクトのデクタンス化や特定のノード/エッジの順序付けが必要となる。 我々はノードODEとグラフPDEのシステムに基づく連続正規化E(3)-同変フローを開発する。 我々のモデルは、メッセージパッシング時間ネットワークとしてキャストすることができ、その結果、密度推定と分子生成のタスクにおいて最上位のパフォーマンスが得られる。
  論文  参考訳（メタデータ） (2022-10-12T09:08:35Z)
• GeoDiff: a Geometric Diffusion Model for Molecular Conformation Generation [102.85440102147267]
  分子配座予測のための新しい生成モデルGeoDiffを提案する。 GeoDiffは、既存の最先端のアプローチよりも優れているか、あるいは同等であることを示す。
  論文  参考訳（メタデータ） (2022-03-06T09:47:01Z)
• Generative Coarse-Graining of Molecular Conformations [28.127928605838388]
  本稿では,バックマッピング変換の確率的性質と幾何的整合性要件を組み込んだ新しいモデルを提案する。 われわれのアプローチは、常により現実的な構造を回復し、既存のデータ駆動手法よりも優れたマージンを持つ。
  論文  参考訳（メタデータ） (2022-01-28T15:18:34Z)
• 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)

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。