論文の概要: E2CB2former: Effecitve and Explainable Transformer for CB2 Receptor Ligand Activity Prediction

• arxiv url: http://arxiv.org/abs/2502.12186v1
• Date: Sat, 15 Feb 2025 05:05:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-19 14:07:35.470468
• Title: E2CB2former: Effecitve and Explainable Transformer for CB2 Receptor Ligand Activity Prediction
• Title（参考訳）: E2CB2former: CB2受容体リガンド活性予測のためのエフェクターと説明可能な変換器
• Authors: Jiacheng Xie, Yingrui Ji, Linghuan Zeng, Xi Xiao, Gaofei Chen, Lijing Zhu, Joyanta Jyoti Mondal, Jiansheng Chen,
• Abstract要約: CB2formerは、Graph Convolutional NetworkとTransformerアーキテクチャを組み合わせてCB2受容体リガンド活性を予測するフレームワークである。 我々はCB2formerを様々なベースラインモデルに対してベンチマークし、その優れた性能をR乗法0.685、RMSE0.675、AUC0.940で示す。 我々の結果は、CB2formerによって実証された高度なAIアプローチの変換可能性を示し、正確な予測と作用可能な分子インサイトを提供する。
• 参考スコア（独自算出の注目度）: 11.078168240910147
• License:
• Abstract: Accurate prediction of CB2 receptor ligand activity is pivotal for advancing drug discovery targeting this receptor, which is implicated in inflammation, pain management, and neurodegenerative conditions. Although conventional machine learning and deep learning techniques have shown promise, their limited interpretability remains a significant barrier to rational drug design. In this work, we introduce CB2former, a framework that combines a Graph Convolutional Network with a Transformer architecture to predict CB2 receptor ligand activity. By leveraging the Transformer's self attention mechanism alongside the GCN's structural learning capability, CB2former not only enhances predictive performance but also offers insights into the molecular features underlying receptor activity. We benchmark CB2former against diverse baseline models including Random Forest, Support Vector Machine, K Nearest Neighbors, Gradient Boosting, Extreme Gradient Boosting, Multilayer Perceptron, Convolutional Neural Network, and Recurrent Neural Network and demonstrate its superior performance with an R squared of 0.685, an RMSE of 0.675, and an AUC of 0.940. Moreover, attention weight analysis reveals key molecular substructures influencing CB2 receptor activity, underscoring the model's potential as an interpretable AI tool for drug discovery. This ability to pinpoint critical molecular motifs can streamline virtual screening, guide lead optimization, and expedite therapeutic development. Overall, our results showcase the transformative potential of advanced AI approaches exemplified by CB2former in delivering both accurate predictions and actionable molecular insights, thus fostering interdisciplinary collaboration and innovation in drug discovery.
• Abstract（参考訳）: CB2受容体リガンド活性の正確な予測は、この受容体を標的とした薬物発見を促進するために重要である。 従来の機械学習や深層学習技術は将来性を示しているが、その限定的な解釈性は、合理的な薬物設計にとって重要な障壁である。 本稿では,グラフ畳み込みネットワークとTransformerアーキテクチャを組み合わせてCB2受容体リガンド活性を予測するフレームワークであるCB2formerを紹介する。 GCNの構造学習能力とともにトランスフォーマーの自己注意機構を活用することで、CB2formerは予測性能を高めるだけでなく、受容体活性の基盤となる分子的特徴に関する洞察も提供する。 我々は,ランダムフォレスト,サポートベクトルマシン,Kニアネバー,グラディエントブースティング,エクストリームグラディエントブースティング,マルチレイヤパーセプトロン,畳み込みニューラルネットワーク,リカレントニューラルネットワークなどの各種ベースラインモデルに対してCB2formerをベンチマークし,その性能を0.685,RMSE 0.675,AUC 0.940で示す。 さらに、注目重量分析によりCB2受容体活性に影響を及ぼす重要な分子構造が明らかとなり、薬物発見のための解釈可能なAIツールとしてのモデルの可能性が強調される。 この重要な分子モチーフを特定できる能力は、仮想スクリーニングを効率化し、リード最適化を誘導し、治療開発を迅速化することができる。 全体としては、CB2formerによって実証された高度なAIアプローチの変革の可能性を示し、正確な予測と作用可能な分子の洞察の両方を提供し、学際的な協調と創薬の革新を促進する。

関連論文リスト

• E(3)-invariant diffusion model for pocket-aware peptide generation [1.9950682531209156]
  コンピュータ支援型インヒビター発見の新しい手法として,de novo pocket-aware peptide structureとシーケンス生成ネットワークを提案する。 以上の結果から,本手法は最先端モデルに匹敵する性能を示す。
  論文  参考訳（メタデータ） (2024-10-27T19:59:09Z)
• Dumpling GNN: Hybrid GNN Enables Better ADC Payload Activity Prediction Based on Chemical Structure [53.76752789814785]
  DumplingGNNは、化学構造に基づいてADCペイロードのアクティビティを予測するために特別に設計された、ハイブリッドなグラフニューラルネットワークアーキテクチャである。 DNAトポイソメラーゼIインヒビターに着目した包括的ADCペイロードデータセットで評価を行った。 特別なADCペイロードデータセットに対して、例外的な精度(91.48%)、感度95.08%)、特異性(97.54%)を示す。
  論文  参考訳（メタデータ） (2024-09-23T17:11:04Z)
• Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
  本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。 プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-11T15:46:00Z)
• Barlow Twins Deep Neural Network for Advanced 1D Drug-Target Interaction Prediction [0.0]
  BarlowDTIは機能抽出に強力なBarlow Twinsアーキテクチャを使用している。 複数の確立されたベンチマークに対して最先端の予測性能を達成する。 共結晶構造を比較することで、BarlowDTIは触媒活性および安定化残基を効果的に利用していることが分かる。
  論文  参考訳（メタデータ） (2024-07-31T14:06:18Z)
• Multi-objective generative AI for designing novel brain-targeting small molecules [0.20088541799100385]
  我々は多目的生成AIを用いて、薬物様のBBB透過性小分子を合成する。 具体的には,ドパミン受容体D2に対する結合親和性を予測した分子を計算的に合成する。 26,581個の新規および多種多様な小分子からなるライブラリーを設計し、高い予測されたBBB透過性と良好な予測された安全性および毒性プロファイルを有するヒットを含む。
  論文  参考訳（メタデータ） (2024-04-16T12:57:06Z)
• Quantum Computing-Enhanced Algorithm Unveils Novel Inhibitors for KRAS [10.732020360180773]
  我々は16量子ビットのIBM量子コンピュータでトレーニングされた量子アルゴリズムのパワーをシームレスに統合する量子古典的生成モデルを導入する。 我々の研究は、実験で確認された生物学的ヒットを生み出すために量子生成モデルを使用した初めてのものである。
  論文  参考訳（メタデータ） (2024-02-13T04:19:06Z)
• Neural-Logic Human-Object Interaction Detection [67.4993347702353]
  本稿では,ニューラルロジック推論を利用した新しいHOI検出器であるL OGIC HOIと,実体間の相互作用を推測するTransformerを提案する。 具体的には,バニラトランスフォーマーの自己保持機構を改変し,人間,行動,対象>三重項を推論し,新たな相互作用を構成する。 我々はこれらの2つの特性を一階述語論理で定式化し、それらを連続空間に基底にして、我々のアプローチの学習過程を制約し、性能とゼロショットの一般化能力を向上させる。
  論文  参考訳（メタデータ） (2023-11-16T11:47:53Z)
• 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)
• CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
  本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。 提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。 実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
  論文  参考訳（メタデータ） (2021-12-31T04:37:11Z)
• AI-Bind: Improving Binding Predictions for Novel Protein Targets and Ligands [9.135203550164833]
  現状のモデルは、新しい構造への一般化に失敗することを示す。 ネットワークベースのサンプリング戦略と教師なし事前トレーニングを組み合わせたパイプラインであるAI-Bindを紹介する。 我々は,SARS-CoV-2ウイルスタンパク質に結合した薬剤や天然化合物を予測し,AI-Bindの価値を説明する。
  論文  参考訳（メタデータ） (2021-12-25T01:52:58Z)
• Improved Drug-target Interaction Prediction with Intermolecular Graph Transformer [98.8319016075089]
  本稿では,3方向トランスフォーマーアーキテクチャを用いて分子間情報をモデル化する手法を提案する。 分子間グラフ変換器(IGT)は、それぞれ、結合活性と結合ポーズ予測の2番目のベストに対して、最先端のアプローチを9.1%と20.5%で上回っている。 IGTはSARS-CoV-2に対して有望な薬物スクリーニング能力を示す。
  論文  参考訳（メタデータ） (2021-10-14T13:28:02Z)

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。