論文の概要: A Morse Transform for Drug Discovery

• arxiv url: http://arxiv.org/abs/2503.04507v1
• Date: Thu, 06 Mar 2025 14:54:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 15:57:38.680780
• Title: A Morse Transform for Drug Discovery
• Title（参考訳）: 薬物発見のためのモース変換
• Authors: Alexander M. Tanaka, Aras T. Asaad, Richard Cooper, Vidit Nanda,
• Abstract要約: 結合ポテンシャルの予測にPLモース理論を用いた新しいリガンドベースの仮想スクリーニング(LBVS)フレームワークを提案する。 プレナード・デラウネー三角法(英語版)を用いて単純複素数としてモデル化し、複数の方向関数にまたがる臨界点をカタログ化する。
• 参考スコア（独自算出の注目度）: 40.67171259494469
• License:
• Abstract: We introduce a new ligand-based virtual screening (LBVS) framework that uses piecewise linear (PL) Morse theory to predict ligand binding potential. We model ligands as simplicial complexes via a pruned Delaunay triangulation, and catalogue the critical points across multiple directional height functions. This produces a rich feature vector, consisting of crucial topological features -- peaks, troughs, and saddles -- that characterise ligand surfaces relevant to binding interactions. Unlike contemporary LBVS methods that rely on computationally-intensive deep neural networks, we require only a lightweight classifier. The Morse theoretic approach achieves state-of-the-art performance on standard datasets while offering an interpretable feature vector and scalable method for ligand prioritization in early-stage drug discovery.
• Abstract（参考訳）: 本稿では,リガンド結合ポテンシャルの予測にPLモース理論を用いた新しいリガンドベース仮想スクリーニング(LBVS)フレームワークを提案する。 リガンドをプルード・デラウネー三角法(英語版)により単純複素数としてモデル化し、複数の方向高関数の臨界点をカタログ化する。 これにより、結合相互作用に関連するリガンド表面を特徴づける重要なトポロジ的特徴(ピーク、トラフ、サドル)からなるリッチな特徴ベクトルが生成される。 計算集約的なディープニューラルネットワークに依存する現代のLBVS法とは異なり、我々は軽量な分類器しか必要としない。 Morse理論のアプローチは、標準的なデータセット上での最先端のパフォーマンスを実現すると同時に、解釈可能な特徴ベクトルと、初期段階の薬物発見におけるリガンド優先順位付けのためのスケーラブルな方法を提供する。

関連論文リスト

• Combinatorial Regularity for Relatively Perfect Discrete Morse Gradient Vector Fields of ReLU Neural Networks [0.0]
  ReLUニューラルネットワークは、正準多面体複体(canonical polyhedral complex)と呼ばれる入力空間を断片的に線形に分解する。 以前、ReLUニューラルネットワークが断片的に線形なモースであるかどうかが決定可能であることが判明した。
  論文  参考訳（メタデータ） (2024-12-23T21:58:51Z)
• ParsNets: A Parsimonious Orthogonal and Low-Rank Linear Networks for Zero-Shot Learning [22.823915322924304]
  本稿では,ParsNetsと呼ばれるゼロショット学習(ZSL)において,既存の深層モデルに対して同等あるいはさらに優れた性能を実現するために,並列かつ効率的な設計手法を提案する。 局所線型性の一般化を容易にするため,クラス内サンプルに低ランク制約を課し,クラス間サンプルに高ランク制約を課すことにより,学習特徴量に対する最大マージン幾何学を構築した。 ZSLにおけるモデルの適応性と相反するオーバー/アンダーフィッティングを強化するために、サンプルワイドインジケータのセットを使用して、これらのベース線形ネットワークからスパースサブセットを選択して複合を形成する。
  論文  参考訳（メタデータ） (2023-12-15T11:32:11Z)
• ETDock: A Novel Equivariant Transformer for Protein-Ligand Docking [36.14826783009814]
  従来のドッキング法は、タンパク質と薬物のドッキングを予測するために、スコアリング機能とディープラーニングに依存している。 本稿では,タンパク質リガンドドッキングポーズ予測のためのトランスフォーマーニューラルネットワークを提案する。 実データを用いた実験結果から,本モデルが最先端の性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-10-12T06:23:12Z)
• Spline-based neural network interatomic potentials: blending classical and machine learning models [0.0]
  本稿では,スプラインベースMEAMポテンシャルの単純さとニューラルネットワークアーキテクチャの柔軟性を融合したMLIPフレームワークを提案する。 我々は,このフレームワークを用いて,古典的IPとMLIPの境界を探索する方法を実証する。
  論文  参考訳（メタデータ） (2023-10-04T15:42:26Z)
• Adaptive Linear Span Network for Object Skeleton Detection [56.78705071830965]
  本研究では,適応線形スパンネットワーク(AdaLSN)を提案する。 AdaLSNは、精度とレイテンシのトレードオフを著しく高めることで、その汎用性を裏付ける。 また、エッジ検出や道路抽出といったイメージ・ツー・マスクのタスクに適用可能であることも示している。
  論文  参考訳（メタデータ） (2020-11-08T12:51:14Z)
• On Connections between Regularizations for Improving DNN Robustness [67.28077776415724]
  本稿では,ディープニューラルネットワーク(DNN)の対角的ロバスト性を改善するために最近提案された正規化条件を解析する。 入力勾配正則化,ジャコビアン正則化,曲率正則化,クロスリプシッツ関数など,いくつかの有効な方法間の接続性について検討する。
  論文  参考訳（メタデータ） (2020-07-04T23:43:32Z)
• Provably Efficient Neural Estimation of Structural Equation Model: An Adversarial Approach [144.21892195917758]
  一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。 線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。 提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
  論文  参考訳（メタデータ） (2020-07-02T17:55:47Z)
• Measuring Model Complexity of Neural Networks with Curve Activation Functions [100.98319505253797]
  本稿では,線形近似ニューラルネットワーク(LANN)を提案する。 ニューラルネットワークのトレーニングプロセスを実験的に検討し、オーバーフィッティングを検出する。 我々は、$L1$と$L2$正規化がモデルの複雑さの増加を抑制することを発見した。
  論文  参考訳（メタデータ） (2020-06-16T07:38:06Z)
• Kernel and Rich Regimes in Overparametrized Models [69.40899443842443]
  過度にパラメータ化された多層ネットワーク上の勾配勾配は、RKHSノルムではないリッチな暗黙バイアスを誘発できることを示す。 また、より複雑な行列分解モデルと多層非線形ネットワークに対して、この遷移を実証的に示す。
  論文  参考訳（メタデータ） (2020-02-20T15:43:02Z)

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。