論文の概要: EnerBridge-DPO: Energy-Guided Protein Inverse Folding with Markov Bridges and Direct Preference Optimization

• arxiv url: http://arxiv.org/abs/2506.09496v1
• Date: Wed, 11 Jun 2025 08:12:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:02.732081
• Title: EnerBridge-DPO: Energy-Guided Protein Inverse Folding with Markov Bridges and Direct Preference Optimization
• Title（参考訳）: EnerBridge-DPO:マルコフブリッジを用いたエネルギー誘導タンパク質逆成形と直接選好最適化
• Authors: Dingyi Rong, Haotian Lu, Wenzhuo Zheng, Fan Zhang, Shuangjia Zheng, Ning Liu,
• Abstract要約: この研究は、低エネルギーで安定なタンパク質配列を直接生成するモデルを開発することで、制限を克服することを目的としている。 本稿では,低エネルギーで高安定性なタンパク質配列を生成することを目的とした,新しい逆フォールディングフレームワークであるEnerBridge-DPOを提案する。 評価の結果,EnerBridge-DPOは,最先端モデルに匹敵する配列回復率を維持しつつ,低エネルギーのタンパク質複合体配列を設計可能であることが示された。
• 参考スコア（独自算出の注目度）: 8.642286608437344
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Designing protein sequences with optimal energetic stability is a key challenge in protein inverse folding, as current deep learning methods are primarily trained by maximizing sequence recovery rates, often neglecting the energy of the generated sequences. This work aims to overcome this limitation by developing a model that directly generates low-energy, stable protein sequences. We propose EnerBridge-DPO, a novel inverse folding framework focused on generating low-energy, high-stability protein sequences. Our core innovation lies in: First, integrating Markov Bridges with Direct Preference Optimization (DPO), where energy-based preferences are used to fine-tune the Markov Bridge model. The Markov Bridge initiates optimization from an information-rich prior sequence, providing DPO with a pool of structurally plausible sequence candidates. Second, an explicit energy constraint loss is introduced, which enhances the energy-driven nature of DPO based on prior sequences, enabling the model to effectively learn energy representations from a wealth of prior knowledge and directly predict sequence energy values, thereby capturing quantitative features of the energy landscape. Our evaluations demonstrate that EnerBridge-DPO can design protein complex sequences with lower energy while maintaining sequence recovery rates comparable to state-of-the-art models, and accurately predicts $\Delta \Delta G$ values between various sequences.
• Abstract（参考訳）: 最適なエネルギー安定性を持つタンパク質配列を設計することは、タンパク質の逆フォールディングにおいて重要な課題である。 この研究は、低エネルギーで安定なタンパク質配列を直接生成するモデルを開発することで、この制限を克服することを目的としている。 本稿では,低エネルギーで高安定性なタンパク質配列を生成することを目的とした,新しい逆フォールディングフレームワークであるEnerBridge-DPOを提案する。 まず、Markov BridgesをDPO(Direct Preference Optimization)に統合し、エネルギーベースの好みを使ってMarkov Bridgeモデルを微調整します。 マルコフブリッジは情報豊富な事前シーケンスから最適化を開始し、DPOに構造的に妥当なシーケンス候補のプールを提供する。 第二に、明示的なエネルギー制約損失を導入し、事前のシーケンスに基づいてDPOのエネルギー駆動性を高め、事前知識の富からエネルギー表現を効果的に学習し、シーケンスのエネルギー値を直接予測し、それによってエネルギーランドスケープの定量的な特徴を捉えることができる。 以上の結果から,EnerBridge-DPOは,最先端モデルに匹敵する配列回復率を維持しつつ,低エネルギーのタンパク質複合体配列を設計でき,様々な配列間の$\Delta \Delta G$値を正確に予測できることを示した。

関連論文リスト

• Protein Inverse Folding From Structure Feedback [78.27854221882572]
  本稿では,タンパク質の折りたたみモデルからのフィードバックを用いて,逆折りたたみモデルを微調整する手法を提案する。 CATH 4.2 テストセットの結果,DPO の微調整により平均 TM-Score が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2025-06-03T16:02:12Z)
• Bridge-IF: Learning Inverse Protein Folding with Markov Bridges [32.53142367116483]
  逆タンパク質折り畳みは計算タンパク質設計の基本的な課題である。 逆折り畳みのための生成拡散ブリッジモデルであるBridge-IFを提案する。 以上の結果から,Bridge-IFは配列回復において既存のベースラインを超え,高い折りたたみ性を有する可塑性タンパク質の設計に優れることがわかった。
  論文  参考訳（メタデータ） (2024-11-04T14:35:14Z)
• Antigen-Specific Antibody Design via Direct Energy-based Preference Optimization [51.28231365213679]
  我々は,抗原特異的抗体配列構造共設計を,特定の嗜好に対する最適化問題として取り組んだ。 そこで本研究では,有理構造と抗原への結合親和性の両方を有する抗体の生成を誘導する,直接エネルギーに基づく選好最適化を提案する。
  論文  参考訳（メタデータ） (2024-03-25T09:41:49Z)
• Joint Age-based Client Selection and Resource Allocation for Communication-Efficient Federated Learning over NOMA Networks [8.030674576024952]
  FL(Federated Learning)では、分散クライアントは、自身のトレーニングデータをローカルに保持しながら、共有グローバルモデルを共同でトレーニングすることができる。 本稿では,非直交多重アクセス(NOMA)を利用した無線ネットワーク上でのFLにおける各ラウンドの総時間消費を最小化することを目的とした,クライアント選択とリソース割り当ての協調最適化問題を定式化する。 さらに、各ラウンドで選択されていないクライアントのFLモデルを予測し、FL性能をさらに向上するために、サーバサイド人工知能ニューラルネットワーク(ANN)を提案する。
  論文  参考訳（メタデータ） (2023-04-18T13:58:16Z)
• A Probabilistic Forecast-Driven Strategy for a Risk-Aware Participation in the Capacity Firming Market [30.828362290032935]
  本稿では,グリッド接続型再生可能発電プラントとキャパシティホルディング市場における蓄電池装置のエネルギー管理について述べる。 近年開発された「正規化フロー」と呼ばれる深層学習モデルを用いて再生可能生成の定量的予測を生成する。
  論文  参考訳（メタデータ） (2021-05-28T13:13:07Z)
• 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)
• AEGD: Adaptive Gradient Descent with Energy [0.0]
  本研究では, 1次勾配非エネルギー目的関数変数に対する新しいアルゴリズムである AEGD を提案する。 非エネルギー収束と所望の小さなステップサイズの両方に対してエネルギー依存型AEGDを示す。
  論文  参考訳（メタデータ） (2020-10-10T22:17:27Z)

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。