論文の概要: Designing Cyclic Peptides via Harmonic SDE with Atom-Bond Modeling

• arxiv url: http://arxiv.org/abs/2505.21452v1
• Date: Tue, 27 May 2025 17:24:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.828361
• Title: Designing Cyclic Peptides via Harmonic SDE with Atom-Bond Modeling
• Title（参考訳）: 原子結合モデリングによる高調波SDEによる環状ペプチドの設計
• Authors: Xiangxin Zhou, Mingyu Li, Yi Xiao, Jiahan Li, Dongyu Xue, Zaixiang Zheng, Jianzhu Ma, Quanquan Gu,
• Abstract要約: 本稿では,高調波SDEに基づく生成構造予測モデルであるAtomSDEと残留型予測器であるResの2つの重要なコンポーネントからなるCpSDEを紹介する。 CpSDEは既存のデータ制限を克服し、様々な環状ペプチドの設計に長けている。 本手法により設計した環状ペプチドは安定性と親和性を示した。
• 参考スコア（独自算出の注目度）: 58.384011300570585
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cyclic peptides offer inherent advantages in pharmaceuticals. For example, cyclic peptides are more resistant to enzymatic hydrolysis compared to linear peptides and usually exhibit excellent stability and affinity. Although deep generative models have achieved great success in linear peptide design, several challenges prevent the development of computational methods for designing diverse types of cyclic peptides. These challenges include the scarcity of 3D structural data on target proteins and associated cyclic peptide ligands, the geometric constraints that cyclization imposes, and the involvement of non-canonical amino acids in cyclization. To address the above challenges, we introduce CpSDE, which consists of two key components: AtomSDE, a generative structure prediction model based on harmonic SDE, and ResRouter, a residue type predictor. Utilizing a routed sampling algorithm that alternates between these two models to iteratively update sequences and structures, CpSDE facilitates the generation of cyclic peptides. By employing explicit all-atom and bond modeling, CpSDE overcomes existing data limitations and is proficient in designing a wide variety of cyclic peptides. Our experimental results demonstrate that the cyclic peptides designed by our method exhibit reliable stability and affinity.
• Abstract（参考訳）: 環状ペプチドは、医薬に固有の利点を提供する。 例えば、環状ペプチドはリニアペプチドよりも酵素的加水分解に耐性があり、安定性と親和性に優れる。 深い生成モデルは線形ペプチド設計において大きな成功を収めてきたが、様々なタイプの環状ペプチドを設計するための計算方法の開発にはいくつかの課題がある。 これらの課題には、標的タンパク質と関連する環状ペプチドリガンドに関する3D構造データの不足、環化が課す幾何学的制約、非カノニカルアミノ酸の環化への関与などが含まれる。 上記の課題に対処するため、我々は、高調波SDEに基づく生成構造予測モデルであるAtomSDEと残留型予測器であるResRouterの2つの重要なコンポーネントからなるCpSDEを紹介する。 CpSDEは、これらの2つのモデル間の交互に配列と構造を反復的に更新する経路サンプリングアルゴリズムを用いて、環状ペプチドの生成を促進する。 明示的な全原子と結合モデリングを用いることで、CpSDEは既存のデータ制限を克服し、幅広い環状ペプチドを設計するのに熟練している。 本手法により設計した環状ペプチドは安定性と親和性を示した。

関連論文リスト

• CreoPep: A Universal Deep Learning Framework for Target-Specific Peptide Design and Optimization [19.795752582745397]
  コノトキシンのような標的特異的ペプチドは、イオンチャネルや受容体に対する例外的な結合親和性と選択性を示す。 本稿では, プログレッシブマスキング手法とマスク言語モデリングを統合し, 高親和性ペプチド変異体を設計する, 深層学習に基づく条件生成フレームワークであるCreoPepについて述べる。 ニコチン性アセチルコリン受容体を標的としたコノトキシン阻害剤を設計し, 電気生理学的試験においてサブミクロモル活性を達成することにより, このアプローチを検証した。
  論文  参考訳（メタデータ） (2025-05-05T15:56:39Z)
• 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)
• Secondary Structure-Guided Novel Protein Sequence Generation with Latent Graph Diffusion [8.26010811027237]
  粗い二次構造情報に基づいてタンパク質配列を生成する潜在グラフ拡散モデルであるCPDiffusion-SSを導入する。 CPDiffusion-SSは、構造的制約を保ちながら、様々な新しいアミノ酸配列を生産する際の柔軟性を向上することを示した。 本研究は,提案手法による世代業績の生物学的意義を明らかにするための一連の事例研究である。
  論文  参考訳（メタデータ） (2024-07-10T07:54:26Z)
• 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)
• Efficient Prediction of Peptide Self-assembly through Sequential and Graphical Encoding [57.89530563948755]
  この研究は、高度なディープラーニングモデルを用いたペプチドエンコーディングのベンチマーク分析を提供する。 等電点や水和自由エネルギーなど、幅広いペプチド関連予測のガイドとして機能する。
  論文  参考訳（メタデータ） (2023-07-17T00:43:33Z)
• Accurate and Efficient Structural Ensemble Generation of Macrocyclic Peptides using Internal Coordinate Diffusion [0.5475672579692472]
  RINGERは拡散型トランスフォーマーモデルであり、その2次元表現から大環状ペプチドの3次元コンフォメーションアンサンブルを生成する。 本稿では,RINGERが計算コストのごく一部で高品質かつ多様なジオメトリを生成する方法を示す。
  論文  参考訳（メタデータ） (2023-05-30T16:39:18Z)
• CREMP: Conformer-rotamer ensembles of macrocyclic peptides for machine learning [0.1747623282473278]
  本稿では,マクロ環状ペプチドを用いた機械学習モデルの迅速開発と評価のためのリソースであるCREMPを紹介する。 CREMPは36,198個のマクロ環状ペプチドとコンフォーマー-ロタマーアンサンブルサンプリングツール(CREST)を用いた高品質な構造アンサンブルを含む さらに、この新しいデータセットには3130万近いユニークなマクロサイクルのジオメトリが含まれており、それぞれが半経験的拡張タイトバインディング(xTB)DFT計算から導かれるエネルギーでアノテートされている。
  論文  参考訳（メタデータ） (2023-05-14T03:50:46Z)
• Cross-Gate MLP with Protein Complex Invariant Embedding is A One-Shot Antibody Designer [58.97153056120193]
  抗体の特異性は、その相補性決定領域(CDR)によって決定される 従来の研究では、複雑な技術を使ってCDRを生成するが、不適切な幾何学的モデリングに悩まされている。 本稿では,CDRの1次元配列と3次元構造を1ショットで共設計できるテクスタイスシンプルで効果的なモデルを提案する。
  論文  参考訳（メタデータ） (2023-04-21T13:24:26Z)

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。