論文の概要: CREASE-2D Analysis of Small Angle X-ray Scattering Data from Supramolecular Dipeptide Systems
- arxiv url: http://arxiv.org/abs/2504.03869v1
- Date: Fri, 04 Apr 2025 18:53:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-17 07:48:54.120485
- Title: CREASE-2D Analysis of Small Angle X-ray Scattering Data from Supramolecular Dipeptide Systems
- Title（参考訳）: Supramolecular Dipeptide System による小角X線散乱データの CREASE-2D 解析
- Authors: Nitant Gupta, Sri V. V. R. Akepati, Simona Bianco, Jay Shah, Dave J. Adams, Arthi Jayaraman,
- Abstract要約: 我々は、最近開発された機械学習(ML)ベースのCREASE-2D法を拡張し、超分子性ジペプチドミセル系の小角X線散乱測定から得られた2次元散乱パターン全体を分析する。
- 参考スコア（独自算出の注目度）: 0.5277756703318045
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this paper, we extend a recently developed machine-learning (ML) based CREASE-2D method to analyze the entire two-dimensional (2D) scattering pattern obtained from small angle X-ray scattering measurements of supramolecular dipeptide micellar systems. Traditional analysis of such scattering data would involve use of approximate or incorrect analytical models to fit to azimuthally-averaged 1D scattering patterns that can miss the anisotropic arrangements. Analysis of the 2D scattering profiles of such micellar solutions using CREASE-2D allows us to understand both isotropic and anisotropic structural arrangements that are present in these systems of assembled dipeptides in water and in the presence of added solvents/salts. CREASE-2D outputs distributions of relevant structural features including ones that cannot be identified with existing analytical models (e.g., assembled tubes, cross-sectional eccentricity, tortuosity, orientational order). The representative three-dimensional (3D) real-space structures for the optimized values of these structural features further facilitate visualization of the structures. Through this detailed interpretation of these 2D SAXS profiles we are able to characterize the shapes of the assembled tube structures as a function of dipeptide chemistry, solution conditions with varying salts and solvents, and relative concentrations of all components. This paper demonstrates how CREASE-2D analysis of entire SAXS profiles can provide an unprecedented level of understanding of structural arrangements which has not been possible through traditional analytical model fits to the 1D SAXS data.
- Abstract（参考訳）: 本稿では,最近開発された機械学習(ML)に基づくCREASE-2D法を拡張し,超分子性ジペプチドミセル系の小角X線散乱測定から得られた2次元散乱パターン全体を解析する。
このような散乱データの従来の分析は、近似的または誤った分析モデルを用いて、平均1次元散乱パターンの方位に適合し、異方性アレンジメントを見逃しかねない。
CREASE-2Dを用いたミセル溶液の2次元散乱プロファイルの解析により,水中および添加溶媒/塩類の存在下,これらのシステムに存在する異方性および異方性構造配列の解明が可能となった。
CREASE-2Dは、既存の分析モデル(例えば、組み立て管、断面偏心性、トルティシティ、配向順序)と同一視できないものを含む、関連する構造的特徴の分布を出力する。
これらの構造特徴の最適化された値に対する代表的な3次元(3D)実空間構造は、その構造の可視化をさらに促進する。
この2次元SAXSプロファイルの詳細な解釈を通して、構築された管構造の形状を、ジペプチド化学の関数、塩と溶媒の異なる溶液条件、および全ての成分の相対濃度として特徴づけることができる。
本稿では,SAXSプロファイル全体のCREASE-2D解析が,従来の解析モデルでは不可能であった構造的配置の理解を1D SAXSデータに適合させる方法を示す。
関連論文リスト
- Towards Unified Latent Space for 3D Molecular Latent Diffusion Modeling [80.59215359958934]
3次元分子生成は、薬物発見と物質科学に不可欠である。
既存のアプローチは、典型的には不変かつ同変なモジュラリティに対して別々のラテント空間を保持する。
本稿では,3次元分子を結合した潜在空間から潜在配列に圧縮する多モードVAEを提案する。
論文 参考訳（メタデータ） (2025-03-19T08:56:13Z) - Equivariant Blurring Diffusion for Hierarchical Molecular Conformer Generation [18.394348744611662]
Equivariant Blurring Diffusion (EBD) と呼ばれる新しい生成モデルを導入する。
EBDは、コンフォーマーの微細な原子の詳細をぼかすことによって、断片レベルの粗い粒状構造に向かって進む前進過程を定義する。
薬物様分子のベンチマークにおいて, 最先端デノナイジング拡散モデルとの幾何的および化学的比較によるEBDの有効性を実証した。
論文 参考訳（メタデータ） (2024-10-26T19:17:31Z) - DPLM-2: A Multimodal Diffusion Protein Language Model [75.98083311705182]
DPLM-2は, 離散拡散タンパク質言語モデル(DPLM)を拡張し, 配列と構造の両方に適合する多モーダルタンパク質基盤モデルである。
DPLM-2は、配列と構造、およびその限界と条件の結合分布を学習する。
実験によりDPLM-2は高度に互換性のあるアミノ酸配列とそれに対応する3D構造を同時に生成できることが示された。
論文 参考訳（メタデータ） (2024-10-17T17:20:24Z) - On Diffusion Process in SE(3)-invariant Space [9.508278843547533]
SE(3)-不変性は自然に点間距離多様体によって特徴づけられる。
しかし、非自明な幾何学のため、そのような SE(3)-不変空間内の拡散機構の包括的理解はいまだに欠けている。
そこで我々は,高精度かつプロジェクションフリーな拡散SDEとODEを提案する。
論文 参考訳（メタデータ） (2024-03-03T07:56:55Z) - Denoising diffusion-based synthetic generation of three-dimensional (3D)
anisotropic microstructures from two-dimensional (2D) micrographs [0.0]
条件拡散に基づく生成モデル(DGM)に基づく異方性組織再構築のための枠組みを提案する。
提案するフレームワークは,複数の2次元条件付きDGMの空間的接続を伴い,それぞれが3つの異なる平面に対して2次元マイクロ構造サンプルを生成するように訓練されている。
その結果, このフレームワークは材料相の統計分布だけでなく, 3次元空間における材料特性も再現可能であることがわかった。
論文 参考訳（メタデータ） (2023-12-13T01:36:37Z) - Variational manifolds for ground states and scarred dynamics of blockade-constrained spin models on two and three dimensional lattices [0.0]
スピン-1/2系を記述する制約付きモデルの族を研究するために、単純テンソルネットワーク状態の変分多様体を導入する。
この方法は、制約されたスピンモデルに対する平均場理論の一般化と解釈できる。
論文 参考訳（メタデータ） (2023-11-15T13:52:21Z) - AI enhanced finite element multiscale modelling and structural
uncertainty analysis of a functionally graded porous beam [11.994242021813696]
金属発泡体の局所的幾何学的ランダム性は多孔質構造の性能予測に複雑さをもたらす。
本研究では, マルチスケールモデリングと深層学習を組み合わせることで, 発泡特性を効率的に評価するための評価戦略を開発した。
論文 参考訳（メタデータ） (2022-11-02T07:36:24Z) - Robust Self-Supervised LiDAR Odometry via Representative Structure
Discovery and 3D Inherent Error Modeling [67.75095378830694]
そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。
本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。
我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
論文 参考訳（メタデータ） (2022-02-27T12:52:27Z) - Tracking perovskite crystallization via deep learning-based feature
detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。
有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文 参考訳（メタデータ） (2022-02-22T15:39:00Z) - Quantum correlations, entanglement spectrum and coherence of
two-particle reduced density matrix in the Extended Hubbard Model [62.997667081978825]
半充填時の一次元拡張ハバードモデルの基底状態特性について検討する。
特に超伝導領域では, エンタングルメントスペクトルが支配的な一重項(SS)と三重項(TS)のペアリング順序の遷移を信号する。
論文 参考訳（メタデータ） (2021-10-29T21:02:24Z) - A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。
我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
論文 参考訳（メタデータ） (2021-05-06T17:36:55Z)
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。