論文の概要: A Bayesian Committee Machine Potential for Oxygen-containing Organic Compounds

• arxiv url: http://arxiv.org/abs/2403.01158v1
• Date: Sat, 2 Mar 2024 10:18:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 14:58:12.112010
• Title: A Bayesian Committee Machine Potential for Oxygen-containing Organic Compounds
• Title（参考訳）: 酸素含有有機化合物のベイズ委員会機械ポテンシャル
• Authors: Seungwon Kim, D. ChangMo Yang, Soohaeng Yoo Willow, and Chang Woo Myung
• Abstract要約: 本稿では, 酸素含有有機化合物の予測を目的とした, アクティブベイズ委員会機械 (BCM) の可能性について紹介する。 その適応的な構造は、転送可能性とスケーラビリティの両方を維持しながら、効率的でコスト効率の良い拡張を可能にします。
• 参考スコア（独自算出の注目度）: 0.4749824105387292
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding the pivotal role of oxygen-containing organic compounds in serving as an energy source for living organisms and contributing to protein formation is crucial in the field of biochemistry. This study addresses the challenge of comprehending protein-protein interactions (PPI) and developing predicitive models for proteins and organic compounds, with a specific focus on quantifying their binding affinity. Here, we introduce the active Bayesian Committee Machine (BCM) potential, specifically designed to predict oxygen-containing organic compounds within eight groups of CHO. The BCM potential adopts a committee-based approach to tackle scalability issues associated with kernel regressors, particularly when dealing with large datasets. Its adaptable structure allows for efficient and cost-effective expansion, maintaing both transferability and scalability. Through systematic benchmarking, we position the sparse BCM potential as a promising contender in the pursuit of a universal machine learning potential.
• Abstract（参考訳）: 生物のエネルギー源となり、タンパク質形成に寄与する酸素を含む有機化合物の重要な役割を理解することは、生化学の分野において重要である。 本研究は,タンパク質-タンパク質相互作用(PPI)の理解と,タンパク質と有機化合物の述語モデルの開発という課題に対処する。 ここでは, 活性ベイズ委員会機械 (BCM) の可能性について紹介し, 酸素を含む有機化合物をCHOの8つのグループで予測することを目的としている。 BCMの可能性は、特に大規模なデータセットを扱う場合、カーネルレグレッタに関連するスケーラビリティ問題に対処するための委員会ベースのアプローチを採用する。 その適応可能な構造は効率的でコスト効率のよい拡張を可能にし、転送性と拡張性の両方を維持できる。 系統的なベンチマークを通じて、スパースBCMポテンシャルを普遍的な機械学習ポテンシャルの追求における有望な競争相手として位置付ける。

関連論文リスト

• Long-context Protein Language Model [76.95505296417866]
  言語モデル(LM)の自己教師による訓練は、有意義な表現の学習や創薬設計において、タンパク質配列に大きな成功を収めている。 ほとんどのタンパク質LMは、短い文脈長を持つ個々のタンパク質に基づいて訓練されたトランスフォーマーアーキテクチャに基づいている。 そこで我々は,選択的構造化状態空間モデルから構築した代替のタンパク質LMアーキテクチャであるBiMamba-Sに基づくLC-PLMを提案する。 また、第2段階のトレーニングのために、タンパク質-タンパク質相互作用グラフの文脈化を行うLC-PLM-Gも導入した。
  論文  参考訳（メタデータ） (2024-10-29T16:43:28Z)
• MAPE-PPI: Towards Effective and Efficient Protein-Protein Interaction Prediction via Microenvironment-Aware Protein Embedding [82.31506767274841]
  タンパク質-プロテイン相互作用(PPI)は、様々な生物学的過程において基本的であり、生命活動において重要な役割を果たしている。 MPAE-PPIは、十分に大きな「語彙」を介して、マイクロ環境を化学的に意味のある離散コードに符号化する MPAE-PPIは、数百万のPPIでPPI予測にスケールでき、有効性と計算効率のトレードオフが優れている。
  論文  参考訳（メタデータ） (2024-02-22T09:04:41Z)
• Effective Protein-Protein Interaction Exploration with PPIretrieval [46.07027715907749]
  PPIretrievalはタンパク質とタンパク質の相互作用を探索する最初の深層学習モデルである。 PPIretrievalは、埋め込み空間における潜在的なPPIを探し、タンパク質表面の豊富な幾何学的および化学的情報を収集する。
  論文  参考訳（メタデータ） (2024-02-06T03:57:06Z)
• Learning to Denoise Biomedical Knowledge Graph for Robust Molecular Interaction Prediction [50.7901190642594]
  分子間相互作用予測のためのバイオKDN (Biomedical Knowledge Graph Denoising Network) を提案する。 BioKDNは、ノイズの多いリンクを学習可能な方法で識別することで、局所的な部分グラフの信頼性の高い構造を洗練する。 ターゲットの相互作用に関する関係を円滑にすることで、一貫性とロバストなセマンティクスを維持する。
  論文  参考訳（メタデータ） (2023-12-09T07:08:00Z)
• Automatic Implementation of Neural Networks through Reaction Networks -- Part I: Circuit Design and Convergence Analysis [9.107489906506798]
  本論文は, 物質動態を考慮したプログラム型生化学反応ネットワーク (BCRN) の導入を目的とする。 第1部では、フィードフォワード伝播計算、バックプロパゲーション成分、およびFCNNのすべてのブリッジ処理を、特定のBCRNモジュールとして創発的に設計する。
  論文  参考訳（メタデータ） (2023-11-30T07:31:36Z)
• SBSM-Pro: Support Bio-sequence Machine for Proteins [2.716144006729723]
  本稿では,生物配列の分類モデルであるSBSM-Pro(Support Bio-Sequence Machine for Proteins)を紹介する。 配列アライメントを組み込んでタンパク質間の類似性を計測し、新しいマルチカーネル学習(MKL)アプローチを用いて様々な種類の情報を統合する。 以上の結果から,タンパク質の機能同定と翻訳後修飾の観点から,本モデルが10個のデータセットにまたがる可換性を示すことが示唆された。
  論文  参考訳（メタデータ） (2023-08-20T14:10:50Z)
• Discovery of structure-property relations for molecules via hypothesis-driven active learning over the chemical space [0.0]
  本稿では,仮説学習に基づく化学空間上の能動的学習のための新しいアプローチを提案する。 我々は,データサブセットの小さな部分集合に基づいて,関心の構造と機能の関係性に関する仮説を構築した。 このアプローチでは、SISSOやアクティブラーニングといったシンボリックレグレッションメソッドの要素をひとつのフレームワークに統合する。
  論文  参考訳（メタデータ） (2023-01-06T14:22:43Z)
• Deep Learning Methods for Protein Family Classification on PDB Sequencing Data [0.0]
  本稿では,新たな双方向LSTMや畳み込みモデルなどのディープラーニングフレームワークの性能を,広く利用可能なシークエンシングデータ上で実証し比較する。 我々のディープラーニングモデルは従来の機械学習手法よりも優れた性能を示し、畳み込みアーキテクチャは最も印象的な推論性能を提供する。
  論文  参考訳（メタデータ） (2022-07-14T06:11:32Z)
• Bio-JOIE: Joint Representation Learning of Biological Knowledge Bases [38.9571812880758]
  バイオジョイは、sars-cov-2タンパク質とヒトタンパク質のppisを正確に同定できる。 構造化知識のみを活用することにより、Bio-JOIEはPPI型予測において、既存の最先端の手法よりも著しく優れている。
  論文  参考訳（メタデータ） (2021-03-07T07:06:53Z)
• Basis-independent system-environment coherence is necessary to detect magnetic field direction in an avian-inspired quantum magnetic sensor [77.34726150561087]
  我々は、衝突環境の影響下で、第3の「スキャベンジャー」ラジカルを持つ2つのラジカルからなる鳥由来の量子磁気センサを考察する。 最適性能には,初期システム環境状態が非最大混合である基底非依存コヒーレンスが必要であることを示す。
  論文  参考訳（メタデータ） (2020-11-30T17:19:17Z)
• CogMol: Target-Specific and Selective Drug Design for COVID-19 Using Deep Generative Models [74.58583689523999]
  新規なウイルスタンパク質を標的とした新規な薬物様小分子を設計するためのエンド・ツー・エンドのフレームワークであるCogMolを提案する。 CogMolは、分子SMILES変分オートエンコーダ(VAE)の適応事前学習と、効率的なマルチ属性制御サンプリングスキームを組み合わせる。 CogMolは、高目標特異性と選択性を有する合成可能で低毒性な薬物様分子の多制約設計を扱う。
  論文  参考訳（メタデータ） (2020-04-02T18:17:20Z)

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。