論文の概要: Non-Linear Flow Matching for Full-Atom Peptide Design

• arxiv url: http://arxiv.org/abs/2502.15855v1
• Date: Fri, 21 Feb 2025 06:49:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:52:57.475695
• Title: Non-Linear Flow Matching for Full-Atom Peptide Design
• Title（参考訳）: フル原子ペプチド設計のための非線形流れマッチング
• Authors: Dengdeng Huang, Shikui Tu,
• Abstract要約: NLFlowは非線形フローマッチングに基づく新しいマルチフォールドアプローチである。 位置、回転、ねじれ、アミノ酸タイプにまたがる時間的不整合を捉える。 これにより、モデルが生物学的ドッキングプロセスで観察される真のコンフォメーション変化とよりよく整合することができる。
• 参考スコア（独自算出の注目度）: 7.291207131213438
• License:
• Abstract: Peptide design plays a pivotal role in therapeutic applications, yet existing AI-assisted methods often struggle to generate stable peptides with high affinity due to their inability to accurately simulate the dynamic docking process. To address this challenge, we propose NLFlow, a novel multi-manifold approach based on non-linear flow matching. Specifically, we design a polynomial-based conditional vector field to accelerate the convergence of the peptide's position towards the target pocket, effectively capturing the temporal inconsistencies across position, rotation, torsion, and amino acid type manifolds. This enables the model to better align with the true conformational changes observed in biological docking processes. Additionally, we incorporate interaction-related information, such as polarity, to enhance the understanding of peptide-protein binding. Extensive experiments demonstrate that NLFlow outperforms existing methods in generating peptides with superior stability, affinity, and diversity, offering a fast and efficient solution for peptide design and advancing the peptide-based therapeutic development.
• Abstract（参考訳）: ペプチド設計は治療応用において重要な役割を担っているが、既存のAI支援手法は動的ドッキング過程を正確にシミュレートできないため、高い親和性を持つ安定ペプチドの生成に苦慮することが多い。 この課題に対処するために、非線形フローマッチングに基づく新しいマルチマニフォールドアプローチであるNLFlowを提案する。 具体的には,多項式ベースの条件ベクトル場を設計し,ペプチドの位置の目標ポケットへの収束を加速し,位置,回転,ねじれ,アミノ酸型多様体間の時間的不整合を効果的に捉える。 これにより、モデルが生物学的ドッキングプロセスで観察される真のコンフォメーション変化とよりよく整合することができる。 さらに、ペプチド-タンパク質結合の理解を深めるため、極性などの相互作用関連情報を組み込んだ。 広範囲にわたる実験により、NLFlowは、安定性、親和性、多様性に優れたペプチドを生成する既存の方法よりも優れており、ペプチド設計の迅速かつ効率的なソリューションを提供し、ペプチドベースの治療開発を促進することが示されている。

関連論文リスト

• Hotspot-Driven Peptide Design via Multi-Fragment Autoregressive Extension [34.5830296205857]
  PepHARは、特定のタンパク質を標的としたペプチドを設計するためのホットスポット駆動の自己回帰生成モデルである。 ホットスポットサンプリングとフラグメントベースの拡張を組み合わせることで,ターゲットタンパク質に適合したデノボペプチドの設計が可能となった。
  論文  参考訳（メタデータ） (2024-11-26T15:13:17Z)
• Structure Language Models for Protein Conformation Generation [66.42864253026053]
  伝統的な物理学に基づくシミュレーション手法は、しばしばサンプリング平衡整合に苦しむ。 深い生成モデルは、より効率的な代替としてタンパク質のコンホメーションを生成することを約束している。 本稿では,効率的なタンパク質コンホメーション生成のための新しいフレームワークとして構造言語モデリングを紹介する。
  論文  参考訳（メタデータ） (2024-10-24T03:38:51Z)
• Multi-Peptide: Multimodality Leveraged Language-Graph Learning of Peptide Properties [5.812284760539713]
  Multi-Peptideは、トランスフォーマーベースの言語モデルとグラフニューラルネットワーク(GNN)を組み合わせてペプチドの性質を予測する革新的なアプローチである。 溶血性データセットおよび非汚泥性データセットの評価は、多ペプチドの堅牢性を示し、溶血性予測における最先端86.185%の精度を達成する。 本研究は, 生体情報学におけるマルチモーダル学習の可能性を強調し, ペプチドを用いた研究・応用における正確かつ信頼性の高い予測方法を模索する。
  論文  参考訳（メタデータ） (2024-07-02T20:13:47Z)
• Full-Atom Peptide Design based on Multi-modal Flow Matching [32.58558711545861]
  フル原子ペプチドの設計のためのフローマッチングフレームワークを基盤とした,最初のマルチモーダル深層生成モデルであるPepFlowについて述べる。 高次元トーラス上で,$mathrmSE(3)$多様体内の剛性バックボーンフレームと側鎖角を用いてペプチド構造を特徴付ける。 提案手法は,固定バックボーンシーケンス設計や部分サンプリングによるサイドチェーンパッキングなど,様々なタスクに順応的に取り組む。
  論文  参考訳（メタデータ） (2024-06-02T12:59:54Z)
• PPFlow: Target-aware Peptide Design with Torsional Flow Matching [52.567714059931646]
  ペプチド構造設計のためのねじれ角の内部構造をモデル化するために,textscPPFlowと呼ばれるターゲット認識型ペプチド設計手法を提案する。 さらに, PPBench2024というタンパク質-ペプチド結合データセットを構築した。
  論文  参考訳（メタデータ） (2024-03-05T13:26:42Z)
• Re-Dock: Towards Flexible and Realistic Molecular Docking with Diffusion Bridge [69.80471117520719]
  Re-Dockは、幾何学多様体に拡張された新しい拡散橋生成モデルである。 我々はNewton-Euler方程式にインスパイアされたエネルギー-幾何学マッピングを提案し、結合エネルギーとコンフォーメーションを共モデリングする。 アポドックやクロスドックといった設計済みのベンチマークデータセットの実験は、現在の手法よりもモデルの有効性と効率性が優れていることを示している。
  論文  参考訳（メタデータ） (2024-02-18T05:04:50Z)
• AlphaFold Meets Flow Matching for Generating Protein Ensembles [11.1639408863378]
  本研究では,タンパク質のコンフォメーション・ランドスケープを学習・サンプリングするためのフローベース生成モデリング手法を開発した。 提案手法はAlphaFoldとMSAサブサンプリングと比較して精度と多様性の組合せが優れている。 本手法は,MD軌道の再現よりも高速な壁面収束により,静的なPDB構造を多様化することができる。
  論文  参考訳（メタデータ） (2024-02-07T13:44:47Z)
• Protein Design with Guided Discrete Diffusion [67.06148688398677]
  タンパク質設計における一般的なアプローチは、生成モデルと条件付きサンプリングのための識別モデルを組み合わせることである。 離散拡散モデルのためのガイダンス手法であるdiffusioN Optimized Smpling (NOS)を提案する。 NOSは、構造に基づく手法の重要な制限を回避し、シーケンス空間で直接設計を行うことができる。
  論文  参考訳（メタデータ） (2023-05-31T16:31:24Z)
• EBM-Fold: Fully-Differentiable Protein Folding Powered by Energy-based Models [53.17320541056843]
  本研究では,データ駆動型生成ネットワークを用いたタンパク質構造最適化手法を提案する。 EBM-Foldアプローチは,従来のロゼッタ構造最適化ルーチンと比較して,高品質なデコイを効率よく生成できる。
  論文  参考訳（メタデータ） (2021-05-11T03:40:29Z)
• Designing a Prospective COVID-19 Therapeutic with Reinforcement Learning [50.57291257437373]
  SARS-CoV-2パンデミックは、治療のための世界的なレースを生み出した。 1つのアプローチは、ヒトアンジオテンシン変換酵素2(ACE2)の新規な変異体の設計に焦点を当てる 我々は、強化学習問題として、新しいタンパク質設計の枠組みを定式化する。
  論文  参考訳（メタデータ） (2020-12-03T07:35:38Z)

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。