論文の概要: Pesti-Gen: Unleashing a Generative Molecule Approach for Toxicity Aware Pesticide Design

• arxiv url: http://arxiv.org/abs/2501.14469v1
• Date: Fri, 24 Jan 2025 13:00:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-27 14:57:30.014122
• Title: Pesti-Gen: Unleashing a Generative Molecule Approach for Toxicity Aware Pesticide Design
• Title（参考訳）: Pesti-Gen: 有害性に配慮した殺虫剤設計のための生成分子アプローチ
• Authors: Taehan Kim, Wonduk Seo,
• Abstract要約: 気候変動により作物の弾力性と農薬の効力は減少し、合成農薬への依存は避けられない。 本稿では, 変異型オートエンコーダをベースとした新しい生成モデルであるPesti-Genを提案し, 最適化特性を有する殺虫剤候補を生成する。 ペスティ-ゲンは、新しい分子構造を生成する際に、およそ68%の構造的妥当性を達成する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Global climate change has reduced crop resilience and pesticide efficacy, making reliance on synthetic pesticides inevitable, even though their widespread use poses significant health and environmental risks. While these pesticides remain a key tool in pest management, previous machine-learning applications in pesticide and agriculture have focused on classification or regression, leaving the fundamental challenge of generating new molecular structures or designing novel candidates unaddressed. In this paper, we propose Pesti-Gen, a novel generative model based on variational auto-encoders, designed to create pesticide candidates with optimized properties for the first time. Specifically, Pesti-Gen leverages a two-stage learning process: an initial pre-training phase that captures a generalized chemical structure representation, followed by a fine-tuning stage that incorporates toxicity-specific information. The model simultaneously optimizes over multiple toxicity metrics, such as (1) livestock toxicity and (2) aqua toxicity to generate environmentally friendly pesticide candidates. Notably, Pesti-Gen achieves approximately 68\% structural validity in generating new molecular structures, demonstrating the model's effectiveness in producing optimized and feasible pesticide candidates, thereby providing a new way for safer and more sustainable pest management solutions.
• Abstract（参考訳）: 地球温暖化により作物の弾力性と農薬の効力は低下し、農薬への依存は避けられなくなった。 これらの農薬は、農薬管理において重要なツールであり続けているが、従来の農薬や農業における機械学習の応用は、分類や回帰に重点を置いており、新しい分子構造を生成することや、新しい候補を未適応に設計するという根本的な課題を残している。 本稿では,変分オートエンコーダをベースとした新しい生成モデルであるPesti-Genを提案する。 具体的には、Pesti-Genは2段階の学習プロセスを利用する: 一般的な化学構造表現をキャプチャする最初の事前学習フェーズと、毒性固有の情報を含む微調整段階である。 本モデルは,(1)家畜毒性,(2)アクア毒性などの複数の毒性指標を同時に最適化し,環境に優しい農薬候補を生成する。 特に、Pesti-Genは、新しい分子構造を生成する上で、およそ68%の構造的妥当性を達成し、最適化された、実現可能な殺虫剤候補を生産する際のモデルの有効性を実証し、より安全で持続可能な害虫管理ソリューションのための新しい方法を提供する。

関連論文リスト

• Uncovering the Mechanism of Hepatotoxiciy of PFAS Targeting L-FABP Using GCN and Computational Modeling [1.6249398255272316]
  ペルフルオロアルキル(PFAS)とポリフルオロアルキル(PFAS)は環境汚染物質であり、毒性や生物蓄積に問題がある。 本研究では, 半教師付きグラフ畳み込みネットワーク(GCN)と分子ディスクリプタと指紋を組み合わせることにより, PFAS毒性の予測モデルを作成する。
  論文  参考訳（メタデータ） (2024-09-16T15:13:39Z)
• BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction [65.93303145891628]
  BatGPT-Chemは150億のパラメータを持つ大規模な言語モデルであり、再合成予測の強化に最適化されている。 我々のモデルは幅広い化学知識を捉え、反応条件の正確な予測を可能にする。 この開発により、化学者は新しい化合物を十分に扱うことができ、医薬品製造と材料科学の革新サイクルを早める可能性がある。
  論文  参考訳（メタデータ） (2024-08-19T05:17:40Z)
• Artificial Immune System of Secure Face Recognition Against Adversarial Attacks [67.31542713498627]
  昆虫生産には 最大限の可能性を実現するために 最適化が必要です これは選択的育種による興味のある形質の改善が目的である。 このレビューは、様々な分野の知識と、動物の繁殖、定量的遺伝学、進化生物学、昆虫学のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-06-26T07:50:58Z)
• Parameter-Efficient Detoxification with Contrastive Decoding [78.5124331048714]
  Detoxification Generator (DETOXIGEN) は、不要なスタイルから退避する推論時間アルゴリズムである。 実際の生成では、トレーニングされたデトキシファイタを使用して、生成元が各デコードステップでコントラストする好ましくないトークンを生成する。 生成品質を損なうことなく,従来のデトキシフィケーション指標のアプローチを著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-01-13T01:46:20Z)
• On the Real-Time Semantic Segmentation of Aphid Clusters in the Wild [13.402804225093801]
  アフィドの感染は小麦やソルガムの畑に大きな損傷を与え、植物ウイルスを拡散させる。 農夫はしばしば化学殺虫剤を頼りにしており、これは田畑の広い範囲で非効率に適用される。 本稿では,アフィドのクラスタ分割にリアルタイムセマンティックセマンティックセマンティクスモデルを適用することを提案する。
  論文  参考訳（メタデータ） (2023-07-17T19:04:39Z)
• Tailoring Molecules for Protein Pockets: a Transformer-based Generative Solution for Structured-based Drug Design [133.1268990638971]
  標的タンパク質の構造に基づくデノボ薬物の設計は、新規な薬物候補を提供することができる。 そこで本研究では,特定のターゲットに対して,対象薬物をスクラッチから直接生成できるTamGentという生成ソリューションを提案する。
  論文  参考訳（メタデータ） (2022-08-30T09:32:39Z)
• Unassisted Noise Reduction of Chemical Reaction Data Sets [59.127921057012564]
  本稿では,データセットから化学的に間違ったエントリを除去するための,機械学習に基づく無支援アプローチを提案する。 その結果,クリーン化およびバランスの取れたデータセットでトレーニングしたモデルの予測精度が向上した。
  論文  参考訳（メタデータ） (2021-02-02T09:34:34Z)
• DropLeaf: a precision farming smartphone application for measuring pesticide spraying methods [14.959684400817869]
  この研究は、スマートフォンベースのモバイルアプリケーションであるDropLeaf - Spraying Meter上で機能する新しいツールを紹介し、実験的に評価する。 提案手法は画像解析に基づいており, 実・合成水感性紙上での噴霧沈着評価が成功している。
  論文  参考訳（メタデータ） (2020-08-31T15:51:06Z)
• 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)
• Weakly Supervised Learning Guided by Activation Mapping Applied to a Novel Citrus Pest Benchmark [6.239768930024569]
  統合害虫管理(Integrated pest Management)は、シトラス作物の害虫や病気による被害を予防・緩和するために最も広く用いられるプロセスである。 我々は、画像に対する関心領域を自動的に選択するために、サリエンシマップによって導かれる弱教師付き学習プロセスを設計する。 2つの大規模データセットで行った実験から,農業分野における害虫の分類と病気の分類の問題に対して,本研究の結果は非常に有望であることが明らかとなった。
  論文  参考訳（メタデータ） (2020-04-22T01:26:50Z)

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。