論文の概要: Out of Many, One: Designing and Scaffolding Proteins at the Scale of the Structural Universe with Genie 2

• arxiv url: http://arxiv.org/abs/2405.15489v1
• Date: Fri, 24 May 2024 12:11:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-27 14:32:33.205634
• Title: Out of Many, One: Designing and Scaffolding Proteins at the Scale of the Structural Universe with Genie 2
• Title（参考訳）: Genie 2 を用いた構造宇宙のスケールでタンパク質を設計・共有する
• Authors: Yeqing Lin, Minji Lee, Zhao Zhang, Mohammed AlQuraishi,
• Abstract要約: 我々はGenie 2を導入し、より大きく、より多様なタンパク質構造空間をキャプチャするためにGenieを拡張した。 Genie 2は、新しいマルチモチーフフレームワークを通じてモチーフスキャフォールディング機能を追加する。 非条件生成と条件生成の両方で、Genie 2は最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 8.136125904765755
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Protein diffusion models have emerged as a promising approach for protein design. One such pioneering model is Genie, a method that asymmetrically represents protein structures during the forward and backward processes, using simple Gaussian noising for the former and expressive SE(3)-equivariant attention for the latter. In this work we introduce Genie 2, extending Genie to capture a larger and more diverse protein structure space through architectural innovations and massive data augmentation. Genie 2 adds motif scaffolding capabilities via a novel multi-motif framework that designs co-occurring motifs with unspecified inter-motif positions and orientations. This makes possible complex protein designs that engage multiple interaction partners and perform multiple functions. On both unconditional and conditional generation, Genie 2 achieves state-of-the-art performance, outperforming all known methods on key design metrics including designability, diversity, and novelty. Genie 2 also solves more motif scaffolding problems than other methods and does so with more unique and varied solutions. Taken together, these advances set a new standard for structure-based protein design. Genie 2 inference and training code, as well as model weights, are freely available at: https://github.com/aqlaboratory/genie2.
• Abstract（参考訳）: タンパク質拡散モデルがタンパク質設計の有望なアプローチとして登場した。 そのような先駆的モデルの一つが、前者および表現的SE(3)-同変の注意に対して単純なガウス記法を用いて、前者および後者過程においてタンパク質構造を非対称に表現するGenieである。 本研究では、アーキテクチャの革新と膨大なデータ拡張を通じて、Genieを拡張して、より大きく、より多様なタンパク質構造空間をキャプチャする。 Genie 2は、モチーフ間の位置と向きが特定されていないモチーフを共起するモチーフを設計する、新しいマルチモチーフフレームワークを通じてモチーフスキャフォールディング機能を追加する。 これにより複雑なタンパク質の設計が可能となり、複数の相互作用パートナーが関与し、複数の機能を実行する。 非条件生成と条件生成の両方において、Genie 2は最先端のパフォーマンスを達成し、設計可能性、多様性、新規性を含む主要な設計指標において、すべての既知のメソッドを上回ります。 Genie 2は、他のメソッドよりもモチーフの足場問題を解決し、よりユニークで多様なソリューションで解決する。 これらの進歩により、構造に基づくタンパク質設計の新しい標準が確立された。 Genie 2の推論およびトレーニングコードとモデルウェイトは、https://github.com/aqlaboratory/genie2.comで無償公開されている。

関連論文リスト

• OneProt: Towards Multi-Modal Protein Foundation Models [5.440531199006399]
  我々は、構造、配列、アライメント、結合サイトデータを統合する、タンパク質のためのマルチモーダルAIであるOneProtを紹介する。 金属イオン結合分類、遺伝子オントロジーアノテーション、酵素機能予測など、様々な下流タスクにおける最先端の手法を超越している。 この研究は、タンパク質モデルにおけるマルチモーダル能力を拡大し、薬物発見、生物触媒反応計画、タンパク質工学の応用への道を開く。
  論文  参考訳（メタデータ） (2024-11-07T16:54:54Z)
• Sequence-Augmented SE(3)-Flow Matching For Conditional Protein Backbone Generation [55.93511121486321]
  タンパク質構造生成のための新しいシーケンス条件付きフローマッチングモデルFoldFlow-2を紹介する。 我々は、以前の作業のPDBデータセットよりも桁違いに大きい新しいデータセットでFoldFlow-2を大規模にトレーニングします。 我々はFoldFlow-2が従来のタンパク質構造に基づく生成モデルよりも優れていることを実証的に観察した。
  論文  参考訳（メタデータ） (2024-05-30T17:53:50Z)
• Generative AI for Controllable Protein Sequence Design: A Survey [2.3502958706414905]
  我々は、制御可能なタンパク質配列設計のための生成AIの最近の進歩を体系的にレビューする。 まず,タンパク質配列設計における基礎的課題を,制約の観点から概説する。 次に、各デザインタスクの詳細なレビューを行い、関連するアプリケーションについて議論します。
  論文  参考訳（メタデータ） (2024-02-16T09:05:02Z)
• xTrimoPGLM: Unified 100B-Scale Pre-trained Transformer for Deciphering the Language of Protein [76.18058946124111]
  本稿では,タンパク質の理解と生成を同時に行うために,統一されたタンパク質言語モデル xTrimoPGLM を提案する。 xTrimoPGLMは、4つのカテゴリにわたる18のタンパク質理解ベンチマークにおいて、他の高度なベースラインを著しく上回っている。 また、自然の原理に従ってデノボタンパク質配列を生成でき、微調整を監督した後にプログラム可能な生成を行うことができる。
  論文  参考訳（メタデータ） (2024-01-11T15:03:17Z)
• Improved motif-scaffolding with SE(3) flow matching [56.53693775654178]
  タンパク質のバックボーン生成のためのSE(3)フローマッチングモデルであるFrameFlowを拡張し,2つの相補的なアプローチでモチーフ・スキャフォールディングを行う。 1つ目はモチーフ・アモーティゼーション(motif amortization)で、FrameFlowはデータ拡張戦略を使用してモチーフを入力としてトレーニングする。 2つ目はモチーフガイダンスで、追加のトレーニングなしでFrameFlowから条件スコアを推定して足場化を行う。
  論文  参考訳（メタデータ） (2024-01-08T18:38:00Z)
• Joint Design of Protein Sequence and Structure based on Motifs [11.731131799546489]
  タンパク質のバックボーン構造と配列を共同で設計するGeoProを提案する。 GeoProは3次元(3D)バックボーン構造のための同変エンコーダと3次元幾何学でガイドされるタンパク質配列デコーダによって駆動される。 本手法はタンパク質データバンク(PDB)やUniProtに存在しない新規な$beta$-lactamasesおよびミオグロビンを発見する。
  論文  参考訳（メタデータ） (2023-10-04T03:07:03Z)
• Generating Novel, Designable, and Diverse Protein Structures by Equivariantly Diffusing Oriented Residue Clouds [0.0]
  構造に基づくタンパク質設計は、設計可能で、新規で多様な構造を見つけることを目的としている。 生成モデルは、複雑なデータの低次元構造を暗黙的に学習することで、魅力的な代替手段を提供する。 我々は,3次元空間における配向参照フレームの雲を用いて離散時間拡散を行うタンパク質構造の生成モデルであるGenieを開発する。
  論文  参考訳（メタデータ） (2023-01-29T16:44:19Z)
• Protein Sequence and Structure Co-Design with Equivariant Translation [19.816174223173494]
  既存のアプローチは自己回帰モデルまたは拡散モデルを用いてタンパク質配列と構造の両方を生成する。 本稿では,タンパク質配列と構造共設計が可能な新しいアプローチを提案する。 我々のモデルは、幾何学的制約と文脈特徴からの相互作用を推論する三角法を意識したエンコーダで構成されている。 全てのタンパク質アミノ酸は翻訳工程で1ショットずつ更新され、推論プロセスが大幅に加速される。
  論文  参考訳（メタデータ） (2022-10-17T06:00:12Z)
• Independent SE(3)-Equivariant Models for End-to-End Rigid Protein Docking [57.2037357017652]
  我々は、剛体タンパク質ドッキング、すなわち、個々の非結合構造からタンパク質-タンパク質複合体の3次元構造を計算的に予測する。 本研究では, タンパク質の回転と翻訳を予測し, 1つのタンパク質をドッキング位置に置くために, ペアワイズ非独立なSE(3)-等変グラフマッチングネットワークを設計する。 我々のモデルはEquiDockと呼ばれ、結合ポケットを近似し、キーポイントマッチングとアライメントを用いてドッキングポーズを予測する。
  論文  参考訳（メタデータ） (2021-11-15T18:46:37Z)
• Fold2Seq: A Joint Sequence(1D)-Fold(3D) Embedding-based Generative Model for Protein Design [70.27706384570723]
  Fold2Seqは特定の標的に条件付きタンパク質配列を設計するための新しいフレームワークである。 Fold2Seqの性能は, シーケンス設計の速度, カバレッジ, 信頼性において向上したか, 同等であったかを示す。 フォールドベースのFold2Seqの独特な利点は、構造ベースのディープモデルやRosettaDesignと比較して、3つの現実世界の課題においてより明確になる。
  論文  参考訳（メタデータ） (2021-06-24T14:34:24Z)
• BERTology Meets Biology: Interpreting Attention in Protein Language Models [124.8966298974842]
  注目レンズを用いたタンパク質トランスフォーマーモデルの解析方法を示す。 注意はタンパク質の折りたたみ構造を捉え、基礎となる配列では遠く離れているが、三次元構造では空間的に近接しているアミノ酸を接続する。 また、注意とタンパク質構造との相互作用を三次元的に可視化する。
  論文  参考訳（メタデータ） (2020-06-26T21:50:17Z)

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。