論文の概要: Equivariant Blurring Diffusion for Hierarchical Molecular Conformer Generation

• arxiv url: http://arxiv.org/abs/2410.20255v1
• Date: Sat, 26 Oct 2024 19:17:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:15:31.853730
• Title: Equivariant Blurring Diffusion for Hierarchical Molecular Conformer Generation
• Title（参考訳）: 階層型分子コンバータ生成のための等変ブラリング拡散
• Authors: Jiwoong Park, Yang Shen,
• Abstract要約: Equivariant Blurring Diffusion (EBD) と呼ばれる新しい生成モデルを導入する。 EBDは、コンフォーマーの微細な原子の詳細をぼかすことによって、断片レベルの粗い粒状構造に向かって進む前進過程を定義する。 薬物様分子のベンチマークにおいて, 最先端デノナイジング拡散モデルとの幾何的および化学的比較によるEBDの有効性を実証した。
• 参考スコア（独自算出の注目度）: 18.394348744611662
• License:
• Abstract: How can diffusion models process 3D geometries in a coarse-to-fine manner, akin to our multiscale view of the world? In this paper, we address the question by focusing on a fundamental biochemical problem of generating 3D molecular conformers conditioned on molecular graphs in a multiscale manner. Our approach consists of two hierarchical stages: i) generation of coarse-grained fragment-level 3D structure from the molecular graph, and ii) generation of fine atomic details from the coarse-grained approximated structure while allowing the latter to be adjusted simultaneously. For the challenging second stage, which demands preserving coarse-grained information while ensuring SE(3) equivariance, we introduce a novel generative model termed Equivariant Blurring Diffusion (EBD), which defines a forward process that moves towards the fragment-level coarse-grained structure by blurring the fine atomic details of conformers, and a reverse process that performs the opposite operation using equivariant networks. We demonstrate the effectiveness of EBD by geometric and chemical comparison to state-of-the-art denoising diffusion models on a benchmark of drug-like molecules. Ablation studies draw insights on the design of EBD by thoroughly analyzing its architecture, which includes the design of the loss function and the data corruption process. Codes are released at https://github.com/Shen-Lab/EBD .
• Abstract（参考訳）: 拡散モデルでは、世界のマルチスケールビューと同様、粗大な方法で3次元ジオメトリをどう処理するか? 本稿では,分子グラフ上に条件付き3次元分子コンホメータを多次元的に生成する基礎的生化学的問題に着目して,この問題に対処する。 我々のアプローチは2つの階層的な段階から成り立っている。 一 分子グラフから粗粒状フラグメントレベル3D構造の生成及び 二 粗粒度近似構造から微粒な原子の詳細を生成し、かつ、後者を同時に調整すること。 SE(3)同値性を確保しながら粗粒情報の保存を要求される挑戦的な第2段階において,共振器の微細な原子詳細をぼかすことによって断片レベル粗粒構造へ進む新しい生成モデルであるEquivariant Blurring Diffusion (EBD) と,同変ネットワークを用いた逆演算を行う逆処理を導入する。 薬物様分子のベンチマークにおいて, 最先端デノナイジング拡散モデルと幾何的および化学的比較によるEBDの有効性を実証した。 アブレーション研究は、損失関数の設計とデータ破損プロセスを含むアーキテクチャを徹底的に分析することで、EBDの設計に関する洞察を引き出す。 コードはhttps://github.com/Shen-Lab/EBD で公開されている。

関連論文リスト

• Conditional Synthesis of 3D Molecules with Time Correction Sampler [58.0834973489875]
  Time-Aware Conditional Synthesis (TACS) は拡散モデルにおける条件生成の新しい手法である。 適応的に制御されたプラグアンドプレイの"オンライン"ガイダンスを拡散モデルに統合し、サンプルを所望の特性に向けて駆動する。
  論文  参考訳（メタデータ） (2024-11-01T12:59:25Z)
• Coarse-to-Fine: a Hierarchical Diffusion Model for Molecule Generation in 3D [38.181969810488916]
  既存の方法は通常、原子分解能の分子を生成し、環のような固有の局所構造を無視する。 フラグメントに基づく分子生成は有望な戦略であるが、3D非自己回帰世代に適応することは容易ではない。 本稿では,この問題を解決するために,階層的拡散モデル(HierDiff)を提案する。
  論文  参考訳（メタデータ） (2023-05-05T13:08:38Z)
• MUDiff: Unified Diffusion for Complete Molecule Generation [104.7021929437504]
  本稿では,原子の特徴,2次元離散分子構造,および3次元連続分子座標を含む分子の包括的表現を生成する新しいモデルを提案する。 拡散過程を認知するための新しいグラフトランスフォーマーアーキテクチャを提案する。 我々のモデルは、安定で多様な分子を設計するための有望なアプローチであり、分子モデリングの幅広いタスクに適用できる。
  論文  参考訳（メタデータ） (2023-04-28T04:25:57Z)
• 3D Equivariant Diffusion for Target-Aware Molecule Generation and Affinity Prediction [9.67574543046801]
  標的薬物設計における3D構造の導入は、他の標的のないモデルよりも優れた性能を示す。 上記の課題を解決するために,3次元同変拡散モデルを開発した。 我々のモデルは、より現実的な3D構造とタンパク質標的に対する親和性を持つ分子を生成し、再学習することなく結合親和性ランキングと予測を改善することができる。
  論文  参考訳（メタデータ） (2023-03-06T23:01:43Z)
• Heterogeneous reconstruction of deformable atomic models in Cryo-EM [30.864688165021054]
  変形を少数の集団運動に還元した原子論的な表現に基づく異種再構成法について述べる。 各分布について、我々の手法が原子レベルの精度で中間原子モデルを再カプセル化可能であることを示す。
  論文  参考訳（メタデータ） (2022-09-29T22:35:35Z)
• Equivariant Diffusion for Molecule Generation in 3D [74.289191525633]
  この研究は、ユークリッド変換に同値な3次元の分子計算生成のための拡散モデルを導入する。 提案手法は, 従来の3次元分子生成法に比べて, 生成した試料の品質と訓練時の効率を著しく向上させる。
  論文  参考訳（メタデータ） (2022-03-31T12:52:25Z)
• GeoDiff: a Geometric Diffusion Model for Molecular Conformation Generation [102.85440102147267]
  分子配座予測のための新しい生成モデルGeoDiffを提案する。 GeoDiffは、既存の最先端のアプローチよりも優れているか、あるいは同等であることを示す。
  論文  参考訳（メタデータ） (2022-03-06T09:47:01Z)
• GeoMol: Torsional Geometric Generation of Molecular 3D Conformer Ensembles [60.12186997181117]
  分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。 既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。 エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
  論文  参考訳（メタデータ） (2021-06-08T14:17:59Z)
• An End-to-End Framework for Molecular Conformation Generation via Bilevel Programming [71.82571553927619]
  分子コンフォメーション予測のためのエンドツーエンドソリューションであるconfvaeを提案する。 具体的には、まず分子グラフを潜時空間に符号化し、3次元構造は原理化された二段階最適化プログラムを解くことによって生成される。
  論文  参考訳（メタデータ） (2021-05-15T15:22:29Z)

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。