論文の概要: On Diffusion Posterior Sampling via Sequential Monte Carlo for Zero-Shot Scaffolding of Protein Motifs
- arxiv url: http://arxiv.org/abs/2412.05788v1
- Date: Sun, 08 Dec 2024 02:38:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-10 14:56:51.722082
- Title: On Diffusion Posterior Sampling via Sequential Monte Carlo for Zero-Shot Scaffolding of Protein Motifs
- Title(参考訳): タンパク質モチーフのゼロショットスキャフォールディングのための連続モンテカルロによる拡散後サンプリングについて
- Authors: James Matthew Young, O. Deniz Akyildiz,
- Abstract要約: そこで本研究では,足場作業の記述と解決のためのガイダンスを新たに導入する。
シングルモチーフとマルチモチーフの問題の解決に成功しました。
この研究は、モチーフ足場作業におけるゼロショット後部サンプリング器の改良能力と領域を強調した。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: With the advent of diffusion models, new proteins can be generated at an unprecedented rate. The \textit{motif scaffolding problem} requires steering this generative process to yield proteins with a desirable functional substructure -- a motif. While models have been trained to take the motif as conditional input, recent techniques in diffusion posterior sampling can be leveraged as zero-shot alternatives whose approximations can be corrected with sequential Monte Carlo (SMC) algorithms. In this work, we introduce a new set of guidance potentials to describe and solve scaffolding tasks by adapting SMC-aided diffusion posterior samplers with an unconditional model, Genie, acting as a prior. Against established benchmarks, we successfully scaffold several single-motif and multi-motif problems. The latter is possible by pairing reconstruction guidance with $\mathrm{SE}(3)$-invariant potentials. In the single-motif case, we find these potentials perform comparably to the conventional masking approach and that reconstruction guidance outperforms replacement methods when aided with SMC. We additionally consider a guidance potential for point symmetry constraints and produce designable internally symmetric monomers with our setup. Overall, this work highlights the capabilities and areas for improvement of zero-shot posterior samplers in motif scaffolding tasks. Code is available at: https://github.com/matsagad/mres-project
- Abstract(参考訳): 拡散モデルが出現すると、前例のない速度で新しいタンパク質が生成される。
textit{motif scaffolding problem} では、この生成プロセスをステアリングして、望ましい機能的サブ構造 -- モチーフ -- を持つタンパク質を生成する必要がある。
モデルではモチーフを条件入力として扱うように訓練されているが、近年の拡散後サンプリングの手法は、モンテカルロ(SMC)アルゴリズムで近似を補正できるゼロショットの代替として活用できる。
本研究では,SMC支援拡散後サンプリング器を非条件モデルであるGenieに適応させることにより,スキャフォールディングタスクを記述・解決するための新しいガイダンスのセットを紹介する。
確立されたベンチマークに対して、我々はいくつかの単一モチーフとマルチモチーフの問題をスキャフォールディングすることに成功しました。
後者は、$\mathrm{SE}(3)$-不変ポテンシャルと再構成ガイダンスをペアにすることで可能である。
単一モチーフの場合、これらのポテンシャルは従来のマスキング手法と同等に機能し、再建指導はSMCを補助する際の代替方法よりも優れていた。
さらに、点対称性の制約に対するガイダンスポテンシャルを考察し、設計可能な内部対称モノマーをセットアップで生成する。
全体として、この研究はモチーフスキャフォールディングタスクにおけるゼロショット後部サンプリングの能力と領域を強調している。
コードは、https://github.com/matsagad/mres-projectで入手できる。
関連論文リスト
- Amortized In-Context Bayesian Posterior Estimation [15.714462115687096]
償却は条件付き推定を通じて、そのような困難を和らげるための実行可能な戦略である。
本研究では,アモルト化インコンテクストベイズ推定手法の徹底的な比較分析を行う。
本稿では,予測問題に対する逆KL推定器の優位性,特に変圧器アーキテクチャと正規化フローを併用した場合に強調する。
論文 参考訳(メタデータ) (2025-02-10T16:00:48Z) - Steering Masked Discrete Diffusion Models via Discrete Denoising Posterior Prediction [88.65168366064061]
本稿では,確率論的推論の課題として,事前学習したMDMを操る作業を行う新しいフレームワークであるDDPPを紹介する。
私たちのフレームワークは、3つの新しい目標のファミリーにつながります。
Wet-lab Validation(ウェット・ラブ・バリデーション)を用いて,報酬最適化タンパク質配列の過渡的発現を観察する。
論文 参考訳(メタデータ) (2024-10-10T17:18:30Z) - SymDiff: Equivariant Diffusion via Stochastic Symmetrisation [28.614292092399563]
本稿では,最近導入された対称性の枠組みを用いて同変拡散モデルを構築する手法を提案する。
SymDiffは、サンプリング時にデプロイされる学習データ拡張に似ており、軽量で、計算効率が高く、任意のオフザシェルフモデル上に実装が容易である。
生成モデルへの対称性の応用としてはこれが初めてであり、この領域におけるそのポテンシャルがより一般的に示唆されている。
論文 参考訳(メタデータ) (2024-10-08T18:02:29Z) - SMILE: Zero-Shot Sparse Mixture of Low-Rank Experts Construction From Pre-Trained Foundation Models [85.67096251281191]
我々は、ゼロショットスパースミクチャー(SMILE)と呼ばれるモデル融合に対する革新的なアプローチを提案する。
SMILEは、余分なデータやさらなるトレーニングなしに、ソースモデルをMoEモデルにアップスケーリングできる。
画像分類やテキスト生成タスクなど,さまざまなシナリオに対して,フル微調整とLoRA微調整を用いて広範な実験を行う。
論文 参考訳(メタデータ) (2024-08-19T17:32:15Z) - von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
円値ランダム関数上の表現的および解釈可能な分布の族を探索する。
結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。
後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
論文 参考訳(メタデータ) (2024-06-19T01:57:21Z) - Markov chain Monte Carlo without evaluating the target: an auxiliary variable approach [9.426953273977496]
サンプリングタスクでは、ターゲット分布を正規化定数まで知ることが一般的である。
多くの場合、正規化されていない分布を評価することはコストがかかるか不可能である。
提案手法と受入拒否方式の両方で補助変数を使用できる新しいフレームワークを開発する。
論文 参考訳(メタデータ) (2024-06-07T20:06:23Z) - A Geometric Perspective on Variational Autoencoders [0.0]
本稿では、完全に幾何学的な視点から、変分オートエンコーダフレームワークの新たな解釈を提案する。
このスキームを使うことで、バニラVAEと競合し、いくつかのベンチマークデータセットのより高度なバージョンよりも優れていることが示される。
論文 参考訳(メタデータ) (2022-09-15T15:32:43Z) - A new perspective on probabilistic image modeling [92.89846887298852]
本稿では,密度推定,サンプリング,トラクタブル推論が可能な画像モデリングのための新しい確率論的手法を提案する。
DCGMMは、CNNのように、ランダムな初期条件からSGDによってエンドツーエンドに訓練することができる。
本研究は,近年のPCおよびSPNモデルと,推論,分類,サンプリングの観点から比較した。
論文 参考訳(メタデータ) (2022-03-21T14:53:57Z) - Correlation Clustering Reconstruction in Semi-Adversarial Models [70.11015369368272]
相関クラスタリングは多くのアプリケーションにおいて重要なクラスタリング問題である。
本研究では,ランダムノイズや対向的な修正によって崩壊した潜伏クラスタリングを再構築しようとする,この問題の再構築版について検討する。
論文 参考訳(メタデータ) (2021-08-10T14:46:17Z) - What Are Bayesian Neural Network Posteriors Really Like? [63.950151520585024]
ハミルトニアンモンテカルロは、標準およびディープアンサンブルよりも大きな性能向上を達成できることを示す。
また,深部分布は標準SGLDとHMCに類似しており,標準変動推論に近いことが示された。
論文 参考訳(メタデータ) (2021-04-29T15:38:46Z)
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。