論文の概要: Multiscale guidance of AlphaFold3 with heterogeneous cryo-EM data

• arxiv url: http://arxiv.org/abs/2506.04490v1
• Date: Wed, 04 Jun 2025 22:16:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.447181
• Title: Multiscale guidance of AlphaFold3 with heterogeneous cryo-EM data
• Title（参考訳）: 不均一Cryo-EMデータを用いたAlphaFold3のマルチスケール誘導
• Authors: Rishwanth Raghu, Axel Levy, Gordon Wetzstein, Ellen D. Zhong,
• Abstract要約: 低温電子顕微鏡(cryo-EM)は、近原性構造不均一性をイメージングするための強力なツールとして登場した。 ここでは, タンパク質構造予測モデルを用いて学習したCryo-EM密度マップと, 豊富な配列と生物物理学的先行データを組み合わせる。 我々の方法であるCryoBoltzは、大域的および局所的な構造制約を用いて、事前訓練されたタンパク質構造予測モデルのサンプリング軌跡を導出する。
• 参考スコア（独自算出の注目度）: 33.562685684224995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Protein structure prediction models are now capable of generating accurate 3D structural hypotheses from sequence alone. However, they routinely fail to capture the conformational diversity of dynamic biomolecular complexes, often requiring heuristic MSA subsampling approaches for generating alternative states. In parallel, cryo-electron microscopy (cryo-EM) has emerged as a powerful tool for imaging near-native structural heterogeneity, but is challenged by arduous pipelines to go from raw experimental data to atomic models. Here, we bridge the gap between these modalities, combining cryo-EM density maps with the rich sequence and biophysical priors learned by protein structure prediction models. Our method, CryoBoltz, guides the sampling trajectory of a pretrained protein structure prediction model using both global and local structural constraints derived from density maps, driving predictions towards conformational states consistent with the experimental data. We demonstrate that this flexible yet powerful inference-time approach allows us to build atomic models into heterogeneous cryo-EM maps across a variety of dynamic biomolecular systems including transporters and antibodies.
• Abstract（参考訳）: タンパク質構造予測モデルは、配列だけで正確な3D構造仮説を生成することができる。 しかし、それらは動的生体分子複合体のコンフォメーションの多様性を捉えることができず、しばしば代替状態を生成するためにヒューリスティックなMSAサブサンプリングアプローチを必要とする。 並行して、低温電子顕微鏡(cryo-EM)は、ネイティブに近い構造的不均一性をイメージングするための強力なツールとして登場したが、生の実験データから原子モデルへ移行する困難なパイプラインによって挑戦されている。 ここでは、これらのモダリティ間のギャップを橋渡しし、タンパク質構造予測モデルによって学習されたリッチな配列と生物物理学的先行データとを合成する。 提案手法であるCryoBoltzは, 密度マップから得られた大域的および局所的構造制約を用いて, 事前学習したタンパク質構造予測モデルのサンプリング軌道を導出し, 実験データと整合性のある状態へ予測を誘導する。 この柔軟な推論時間アプローチにより、トランスポーターや抗体を含む様々な動的生体分子系にまたがる不均一なCryo-EMマップに原子モデルを構築することができることが実証された。

関連論文リスト

• 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)
• 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)
• CryoBench: Diverse and challenging datasets for the heterogeneity problem in cryo-EM [3.424647356090208]
  核電子顕微鏡(cryo-EM)は、画像データから高分解能の3次元生体分子構造を決定するための強力な技術である。 ここでは、CryoBenchを紹介します。CryoBenchは、Cleo-EMにおける異種再構成のためのデータセット、メトリクス、ベンチマークのスイートです。
  論文  参考訳（メタデータ） (2024-08-10T11:48:14Z)
• Protein Conformation Generation via Force-Guided SE(3) Diffusion Models [48.48934625235448]
  新しいタンパク質コンホメーションを生成するために、深層生成モデリング技術が用いられている。 本稿では,タンパク質コンフォメーション生成のための力誘導SE(3)拡散モデルConfDiffを提案する。
  論文  参考訳（メタデータ） (2024-03-21T02:44:08Z)
• Ophiuchus: Scalable Modeling of Protein Structures through Hierarchical Coarse-graining SO(3)-Equivariant Autoencoders [1.8835495377767553]
  天然タンパク質の3次元ネイティブ状態は、繰り返しおよび階層的なパターンを示す。 従来のグラフに基づくタンパク質構造のモデリングは、単一の微細な解像度でしか動作しないことが多い。 オフィチュス(Ophiuchus)は、全原子タンパク質構造を効率的に操作するSO(3)等価な粗粒化モデルである。
  論文  参考訳（メタデータ） (2023-10-04T01:01:11Z)
• EigenFold: Generative Protein Structure Prediction with Diffusion Models [10.24107243529341]
  EigenFoldは、特定のタンパク質配列から構造分布をサンプリングする拡散生成モデリングフレームワークである。 最近のCAMEOターゲットでは、EigenFoldは0.84の中央値TMSスコアを達成し、モデルの不確実性のより包括的な画像を提供する。
  論文  参考訳（メタデータ） (2023-04-05T02:46:13Z)
• Latent Space Diffusion Models of Cryo-EM Structures [6.968705314671148]
  我々は、CryoDRGNフレームワークにおいて、表現的で学習可能な拡散モデルをトレーニングする。 データ分布の正確なモデルを学習することにより、生成モデリング、サンプリング、分布解析のツールを解放する。
  論文  参考訳（メタデータ） (2022-11-25T15:17:10Z)
• State-specific protein-ligand complex structure prediction with a multi-scale deep generative model [68.28309982199902]
  タンパク質-リガンド複合体構造を直接予測できる計算手法であるNeuralPLexerを提案する。 我々の研究は、データ駆動型アプローチがタンパク質と小分子の構造的協調性を捉え、酵素や薬物分子などの設計を加速させる可能性を示唆している。
  論文  参考訳（メタデータ） (2022-09-30T01:46:38Z)
• Heterogeneous reconstruction of deformable atomic models in Cryo-EM [30.864688165021054]
  変形を少数の集団運動に還元した原子論的な表現に基づく異種再構成法について述べる。 各分布について、我々の手法が原子レベルの精度で中間原子モデルを再カプセル化可能であることを示す。
  論文  参考訳（メタデータ） (2022-09-29T22:35:35Z)

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。