論文の概要: A framework for conditional diffusion modelling with applications in
motif scaffolding for protein design
- arxiv url: http://arxiv.org/abs/2312.09236v2
- Date: Mon, 19 Feb 2024 16:40:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-21 04:23:51.768754
- Title: A framework for conditional diffusion modelling with applications in
motif scaffolding for protein design
- Title（参考訳）: 条件拡散モデリングのためのフレームワークとタンパク質設計のためのモチーフ足場への応用
- Authors: Kieran Didi, Francisco Vargas, Simon V Mathis, Vincent Dutordoir,
Emile Mathieu, Urszula J Komorowska, Pietro Lio
- Abstract要約: バインダーや酵素設計などの多くのタンパク質設計用途では、高い精度で構造モチーフの足場を作る必要がある。
微分拡散過程に基づく生成的モデリングパラダイムがこのモチーフ足場問題に対処する主要な候補として浮上した。
本稿では,数学的によく理解されたDoobのh-transformに基づいて,既存の条件付きトレーニングプロトコルの新しいバリエーションを提案する。
- 参考スコア（独自算出の注目度）: 11.915114083353272
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many protein design applications, such as binder or enzyme design, require
scaffolding a structural motif with high precision. Generative modelling
paradigms based on denoising diffusion processes emerged as a leading candidate
to address this motif scaffolding problem and have shown early experimental
success in some cases. In the diffusion paradigm, motif scaffolding is treated
as a conditional generation task, and several conditional generation protocols
were proposed or imported from the Computer Vision literature. However, most of
these protocols are motivated heuristically, e.g. via analogies to Langevin
dynamics, and lack a unifying framework, obscuring connections between the
different approaches. In this work, we unify conditional training and
conditional sampling procedures under one common framework based on the
mathematically well-understood Doob's h-transform. This new perspective allows
us to draw connections between existing methods and propose a new variation on
existing conditional training protocols. We illustrate the effectiveness of
this new protocol in both, image outpainting and motif scaffolding and find
that it outperforms standard methods.
- Abstract（参考訳）: バインダーや酵素設計のような多くのタンパク質設計用途では、構造的モチーフを高精度に構築する必要がある。
微分拡散過程に基づく生成的モデリングパラダイムは、このモチーフ足場問題に対処する主要な候補として現れ、いくつかのケースで初期の実験的な成功を示している。
拡散パラダイムでは、モチーフスキャフォールディングは条件生成タスクとして扱われ、コンピュータビジョン文献からいくつかの条件生成プロトコルが提案または輸入された。
しかし、これらのプロトコルのほとんどがヒューリスティックな動機付けであり、例えばランジュバンダイナミクスへの類似性を通じて、異なるアプローチ間の接続を阻害する統一フレームワークが欠如している。
本研究では,数学的によく理解されたDoobのh-transformに基づいて,条件付きトレーニングと条件付きサンプリング手順を統合する。
この新たな視点は、既存のメソッド間の接続を描画し、既存の条件付きトレーニングプロトコルに新しいバリエーションを提案する。
我々は,この新たなプロトコルの有効性を,画像オーバーペイントとモチーフスキャフォールディングの両方において説明し,標準手法よりも優れていることを示す。
関連論文リスト
- A Survey of Low-shot Vision-Language Model Adaptation via Representer Theorem [38.84662767814454]
限られた訓練データの条件下で対処する主な課題は、パラメータ効率のよい方法で事前訓練された視覚言語モデルを微調整する方法である。
本稿では,既存の手法を統合化し,それらの性質を同定し,詳細な比較を支援するための統一的な計算フレームワークを提案する。
実演として、カーネルヒルベルト空間(RKHS)における表現子間のクラス間相関をモデル化し、既存の手法を拡張した。
論文 参考訳（メタデータ） (2024-10-15T15:22:30Z) - A Simple Approach to Unifying Diffusion-based Conditional Generation [63.389616350290595]
多様な条件生成タスクを処理するための、シンプルで統一されたフレームワークを導入します。
提案手法は,異なる推論時間サンプリング方式による多目的化を実現する。
我々のモデルは、非親密なアライメントや粗い条件付けのような追加機能をサポートしています。
論文 参考訳（メタデータ） (2024-10-15T09:41:43Z) - Steered Diffusion: A Generalized Framework for Plug-and-Play Conditional
Image Synthesis [62.07413805483241]
Steered Diffusionは、無条件生成のために訓練された拡散モデルを用いたゼロショット条件画像生成のためのフレームワークである。
塗装,着色,テキスト誘導セマンティック編集,画像超解像などのタスクに対して,ステアリング拡散を用いた実験を行った。
論文 参考訳（メタデータ） (2023-09-30T02:03:22Z) - Navigating Text-To-Image Customization: From LyCORIS Fine-Tuning to
Model Evaluation [6.7311791228366]
本稿では,安定拡散のための微調整手法を幅広く選択したオープンソースライブラリLyCORISを紹介する。
また,各種微調整技術の体系的評価のための枠組みも提示する。
我々の研究は、最先端の研究と実践的応用のギャップを埋める、微調整パラメータのニュアンスド効果に関する重要な洞察を提供する。
論文 参考訳（メタデータ） (2023-09-26T11:36:26Z) - Phasic Content Fusing Diffusion Model with Directional Distribution
Consistency for Few-Shot Model Adaption [73.98706049140098]
本稿では,方向分布の整合性を損なう少数ショット拡散モデルを用いた新しいファシックコンテンツを提案する。
具体的には、ファシックコンテンツ融合を用いたファシックトレーニング戦略を設計し、tが大きければ、モデルがコンテンツやスタイル情報を学ぶのに役立てる。
最後に、ドメイン適応時の構造整合性を高めるクロスドメイン構造ガイダンス戦略を提案する。
論文 参考訳（メタデータ） (2023-09-07T14:14:11Z) - Variance-Preserving-Based Interpolation Diffusion Models for Speech
Enhancement [53.2171981279647]
本稿では,VP-および分散拡散(VE)に基づく拡散法の両方をカプセル化するフレームワークを提案する。
本研究では,拡散モデルで発生する一般的な困難を解析し,性能の向上とモデルトレーニングの容易化を図る。
我々は,提案手法の有効性を示すために,公開ベンチマークを用いたいくつかの手法によるモデルの評価を行った。
論文 参考訳（メタデータ） (2023-06-14T14:22:22Z) - Protein Design with Guided Discrete Diffusion [67.06148688398677]
タンパク質設計における一般的なアプローチは、生成モデルと条件付きサンプリングのための識別モデルを組み合わせることである。
離散拡散モデルのためのガイダンス手法であるdiffusioN Optimized Smpling (NOS)を提案する。
NOSは、構造に基づく手法の重要な制限を回避し、シーケンス空間で直接設計を行うことができる。
論文 参考訳（メタデータ） (2023-05-31T16:31:24Z) - Diffusion Models for Constrained Domains [11.488860260925504]
我々は, (i) 対数障壁距離と (ii) 制約によって誘導されるブラウン運動に基づく2つの異なる雑音化過程を示す。
次に、ロボット工学やタンパク質設計の応用を含む、多くの合成および実世界のタスクにおいて、我々の手法の実用性を実証する。
論文 参考訳（メタデータ） (2023-04-11T17:19:45Z) - Diffusion Action Segmentation [63.061058214427085]
本稿では,このような反復的洗練の本質的な精神を共用した拡散モデルによる新しい枠組みを提案する。
このフレームワークでは、入力された映像の特徴を条件としてランダムノイズから行動予測を反復的に生成する。
論文 参考訳（メタデータ） (2023-03-31T10:53:24Z)
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。