Fugu-MT 論文翻訳(概要): Rethinking Specificity in SBDD: Leveraging Delta Score and Energy-Guided Diffusion

論文の概要: Rethinking Specificity in SBDD: Leveraging Delta Score and Energy-Guided Diffusion

arxiv url: http://arxiv.org/abs/2403.12987v1
Date: Mon, 4 Mar 2024 07:40:25 GMT
ステータス: 処理完了
システム内更新日: 2024-03-25 07:27:10.247311
Title: Rethinking Specificity in SBDD: Leveraging Delta Score and Energy-Guided Diffusion
Title（参考訳）: SBDDにおける特異性の再考 - デルタスコアの活用とエネルギー誘導拡散
Authors: Bowen Gao, Minsi Ren, Yuyan Ni, Yanwen Huang, Bo Qiang, Zhi-Ming Ma, Wei-Ying Ma, Yanyan Lan,
Abstract要約: 分子結合の特異性を評価するための新しい指標であるDelta Scoreを紹介する。我々は, 活性化合物をデコイとする対照的な学習法を用いて, エネルギー誘導型アプローチを開発し, 高い特異性を持つ分子の創出に向けて, 生成モデルを誘導する。
参考スコア（独自算出の注目度）: 18.269722389716165
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In the field of Structure-based Drug Design (SBDD), deep learning-based generative models have achieved outstanding performance in terms of docking score. However, further study shows that the existing molecular generative methods and docking scores both have lacked consideration in terms of specificity, which means that generated molecules bind to almost every protein pocket with high affinity. To address this, we introduce the Delta Score, a new metric for evaluating the specificity of molecular binding. To further incorporate this insight for generation, we develop an innovative energy-guided approach using contrastive learning, with active compounds as decoys, to direct generative models toward creating molecules with high specificity. Our empirical results show that this method not only enhances the delta score but also maintains or improves traditional docking scores, successfully bridging the gap between SBDD and real-world needs.
Abstract（参考訳）: SBDD(Structure-based Drug Design)の分野では、ドッキングスコア(ドッキングスコア)の観点から、ディープラーニングベースの生成モデルは優れたパフォーマンスを実現している。しかし、さらなる研究により、既存の分子生成法とドッキングスコアの両方が特異性の観点から考慮されていないことが示され、これは生成分子が親和性が高いほとんど全てのタンパク質ポケットに結合していることを意味する。そこで本研究では,分子結合の特異性を評価するための新しい指標であるDelta Scoreを紹介する。生成のためのこの知見をさらに取り入れるために,活性化合物をデコイとする対照的な学習を用いた革新的なエネルギー誘導アプローチを開発し,高い特異性を持つ分子の創出に向けての生成モデルを誘導する。実験の結果,本手法はデルタスコアを向上するだけでなく,従来のドッキングスコアを維持・改善し,SBDDと現実世界のニーズのギャップを埋めることに成功した。

関連論文リスト

Manifold-Constrained Nucleus-Level Denoising Diffusion Model for Structure-Based Drug Design [81.95343363178662]
原子は分離違反を避けるために最小の対距離を維持する必要がある NucleusDiff は原子核と周囲の電子雲の間の相互作用を距離制約によってモデル化する。違反率は1000%まで減少し、結合親和性は22.16%まで向上し、構造に基づく薬物設計の最先端モデルを上回る。
論文参考訳（メタデータ） (2024-09-16T08:42:46Z)
A Score-Based Density Formula, with Applications in Diffusion Generative Models [6.76974373198208]
スコアベース生成モデル(SGM)は、生成モデリングの分野に革命をもたらし、現実的で多様なコンテンツを生成するのに前例のない成功を収めた。実験的な進歩にもかかわらず、ログライクリッド上でのエビデンスローバウンド(ELBO)の最適化がDDPMなどの拡散生成モデルの訓練に有効である理由に関する理論的根拠はほとんど未解明のままである。
論文参考訳（メタデータ） (2024-08-29T17:59:07Z)
Aligning Target-Aware Molecule Diffusion Models with Exact Energy Optimization [147.7899503829411]
AliDiffは、事前訓練されたターゲット拡散モデルと望ましい機能特性を整合させる新しいフレームワークである。最先端の結合エネルギーを持つ分子を最大7.07 Avg. Vina Scoreで生成することができる。
論文参考訳（メタデータ） (2024-07-01T06:10:29Z)
From Theory to Therapy: Reframing SBDD Model Evaluation via Practical Metrics [21.78568415483299]
ビナドッキングスコアの信頼性は、過度に適合する可能性があるため、ますます疑問視されている。本稿では、生成分子と既知の活性化合物との類似性の評価を含む総合的な評価フレームワークを提案する。提案するメトリクスとデータセットはこのギャップを埋めることを目的としており、将来のSBDDモデルの実用性を高める。
論文参考訳（メタデータ） (2024-06-13T10:23:52Z)
TAGMol: Target-Aware Gradient-guided Molecule Generation [19.977071499171903]
3次元生成モデルは、構造ベースドラッグデザイン(SBDD)において大きな可能性を秘めている。問題を分子生成と特性予測に分離する。後者は相乗的に拡散サンプリング過程を導出し、誘導拡散を促進し、所望の性質を持つ有意義な分子を創出する。この誘導分子生成過程をTAGMolと呼ぶ。
論文参考訳（メタデータ） (2024-06-03T14:43:54Z)
Optimizing OOD Detection in Molecular Graphs: A Novel Approach with Diffusion Models [71.39421638547164]
本稿では,入力分子と再構成グラフの類似性を比較する補助拡散モデルに基づくフレームワークを用いてOOD分子を検出することを提案する。 IDトレーニングサンプルの再構成に向けた生成バイアスのため、OOD分子の類似度スコアは検出を容易にするためにはるかに低い。本研究は,PGR-MOOD(PGR-MOOD)とよばれる分子OOD検出のためのプロトタイプグラフ再構成のアプローチを開拓し,3つのイノベーションを生かした。
論文参考訳（メタデータ） (2024-04-24T03:25:53Z)
AUTODIFF: Autoregressive Diffusion Modeling for Structure-based Drug Design [16.946648071157618]
構造に基づく薬物設計のための拡散型フラグメントワイド自己回帰生成モデル(SBDD)を提案する。我々はまず,分子の局所構造の整合性を保持する共形モチーフという新しい分子組立戦略を設計する。次に、タンパク質-リガンド複合体とSE(3)等価な畳み込みネットワークとの相互作用をエンコードし、拡散モデルを用いて分子モチーフ・バイ・モチーフを生成する。
論文参考訳（メタデータ） (2024-04-02T14:44:02Z)
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)
DecompDiff: Diffusion Models with Decomposed Priors for Structure-Based Drug Design [62.68420322996345]
既存の構造に基づく薬物設計法は、すべての配位子原子を等しく扱う。腕と足場を分解した新しい拡散モデルDecompDiffを提案する。提案手法は,高親和性分子の生成における最先端性能を実現する。
論文参考訳（メタデータ） (2024-02-26T05:21:21Z)
Re-Dock: Towards Flexible and Realistic Molecular Docking with Diffusion Bridge [69.80471117520719]
Re-Dockは、幾何学多様体に拡張された新しい拡散橋生成モデルである。我々はNewton-Euler方程式にインスパイアされたエネルギー-幾何学マッピングを提案し、結合エネルギーとコンフォーメーションを共モデリングする。アポドックやクロスドックといった設計済みのベンチマークデータセットの実験は、現在の手法よりもモデルの有効性と効率性が優れていることを示している。
論文参考訳（メタデータ） (2024-02-18T05:04:50Z)
Delta Score: Improving the Binding Assessment of Structure-Based Drug Design Methods [14.272327734087598]
そこで本研究では,有形医薬品要求量に基づく新しい評価基準であるデルタスコアについて紹介する。実験の結果,現行の深部生成モデルで生成する分子はデルタ値で評価すると,地上基準真理よりもかなり遅れていることがわかった。
論文参考訳（メタデータ） (2023-11-01T08:37:39Z)

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。