論文の概要: HMAMP: Hypervolume-Driven Multi-Objective Antimicrobial Peptides Design
- arxiv url: http://arxiv.org/abs/2405.00753v1
- Date: Wed, 1 May 2024 07:17:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-03 20:52:21.424845
- Title: HMAMP: Hypervolume-Driven Multi-Objective Antimicrobial Peptides Design
- Title（参考訳）: HMAMP:超体積駆動型多目的抗微生物ペプチドの設計
- Authors: Li Wang, Yiping Li, Xiangzheng Fu, Xiucai Ye, Junfeng Shi, Gary G. Yen, Xiangxiang Zeng,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 11.891046340221735
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Antimicrobial peptides (AMPs) have exhibited unprecedented potential as biomaterials in combating multidrug-resistant bacteria. Despite the increasing adoption of artificial intelligence for novel AMP design, challenges pertaining to conflicting attributes such as activity, hemolysis, and toxicity have significantly impeded the progress of researchers. This paper introduces a paradigm shift by considering multiple attributes in AMP design. Presented herein is a novel approach termed Hypervolume-driven Multi-objective Antimicrobial Peptide Design (HMAMP), which prioritizes the simultaneous optimization of multiple attributes of AMPs. By synergizing reinforcement learning and a gradient descent algorithm rooted in the hypervolume maximization concept, HMAMP effectively expands exploration space and mitigates the issue of pattern collapse. This method generates a wide array of prospective AMP candidates that strike a balance among diverse attributes. Furthermore, we pinpoint knee points along the Pareto front of these candidate AMPs. Empirical results across five benchmark models substantiate that HMAMP-designed AMPs exhibit competitive performance and heightened diversity. A detailed analysis of the helical structures and molecular dynamics simulations for ten potential candidate AMPs validates the superiority of HMAMP in the realm of multi-objective AMP design. The ability of HMAMP to systematically craft AMPs considering multiple attributes marks a pioneering milestone, establishing a universal computational framework for the multi-objective design of AMPs.
- Abstract（参考訳）: 抗微生物ペプチド(AMP)は、多剤耐性菌と戦うバイオマテリアルとして前例のない可能性を示した。
新たなAMP設計に人工知能が採用されつつあるにもかかわらず、活動、溶血、毒性といった対立する属性に関する課題は、研究者の進歩を著しく妨げている。
本稿では,AMP設計における複数の属性を考慮したパラダイムシフトを提案する。
ここでは、ハイパーボリューム駆動型多目的抗微生物ペプチド設計(HMAMP)と呼ばれる新しいアプローチを紹介し、AMPの複数属性の同時最適化を優先する。
超体積最大化の概念に根ざした強化学習と勾配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。
本手法は,様々な属性のバランスを崩すような,多種多様なAMP候補を生成する。
さらに、これらの候補AMPのパレートフロントに沿って膝点をピンポイントする。
5つのベンチマークモデルに対する実験結果から、HMAMPが設計したAMPは競争性能と多様性の向上を実証した。
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。
複数の属性を考慮したAMPを体系的に構築するHMAMPの能力は先駆的なマイルストーンであり、AMPの多目的設計のための普遍的な計算フレームワークを確立している。
関連論文リスト
- MoFormer: Multi-objective Antimicrobial Peptide Generation Based on Conditional Transformer Joint Multi-modal Fusion Descriptor [15.98003148948758]
AMPの多属性同時最適化のための多目的AMP合成パイプライン(MoFormer)を構築した。
MoFormerは、条件付き制約ときめ細かいマルチディスクリプタによってガイドされる、高度に構造化された潜在空間におけるAMPシーケンスの望ましい属性を改善している。
抗微生物活性の増強と溶血の最小化により,MoFormerは既存の方法よりも優れていた。
論文 参考訳（メタデータ） (2024-06-03T07:17:18Z) - AMPCliff: quantitative definition and benchmarking of activity cliffs in antimicrobial peptides [2.5141718363467347]
活性崖(英: Activity cliff、AC)は、一対の類似した分子が小さな構造変化によって異なるが、それらの生化学的活性に大きな違いを示す現象である。
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。
論文 参考訳（メタデータ） (2024-04-15T12:40:12Z) - ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic
Polyp Detection [88.4359020192429]
既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。
本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。
Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。
微調整段階におけるIoU誘導サンプル再重み付けの導入
論文 参考訳（メタデータ） (2024-01-10T07:03:41Z) - Accelerating Antimicrobial Peptide Discovery with Latent Structure [33.288514128470425]
我々は、AMP(LSSAMP)を設計するための潜在シーケンス構造モデルを提案する。
LSSAMPは二次構造を表現するために潜在空間における多スケールベクトル量子化を利用する。
実験の結果,LSSAMPにより産生されるペプチドは抗菌活性が高い可能性が示唆された。
論文 参考訳（メタデータ） (2022-11-28T06:43:32Z) - A Pareto-optimal compositional energy-based model for sampling and
optimization of protein sequences [55.25331349436895]
深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。
これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
論文 参考訳（メタデータ） (2022-10-19T19:04:45Z) - 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) - Designing Biological Sequences via Meta-Reinforcement Learning and
Bayesian Optimization [68.28697120944116]
メタ強化学習を用いて自己回帰生成モデルを訓練し、選択のための有望なシーケンスを提案する。
我々は,データのサブセットのサンプリングによって誘導されるMDPの分布に対する最適ポリシーを求める問題として,この問題を提起する。
このようなアンサンブルに対するメタラーニングは,報酬の過小評価に対して頑健であり,競争的な結果が得られることを示す。
論文 参考訳（メタデータ） (2022-09-13T18:37:27Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳（メタデータ） (2022-07-20T07:32:02Z) - 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。