論文の概要: Zero-Shot Cyclic Peptide Design with Composable Geometric Conditions

• arxiv url: http://arxiv.org/abs/2507.04225v1
• Date: Sun, 06 Jul 2025 03:30:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:35.073777
• Title: Zero-Shot Cyclic Peptide Design with Composable Geometric Conditions
• Title（参考訳）: 構成可能な幾何条件によるゼロショットサイクルペプチドの設計
• Authors: Dapeng Jiang, Xiangzhe Kong, Jiaqi Han, Mingyu Li, Rui Jiao, Wenbing Huang, Stefano Ermon, Jianzhu Ma, Yang Liu,
• Abstract要約: ゼロショットサイクリックペプチド生成を可能にする新しい生成フレームワークであるCP-Composerを提案する。 提案手法では, 複雑な循環パターンを単位制約に分解し, 拡散モデルに組み込む。 線形ペプチドの訓練にもかかわらず, 標的結合型環状ペプチドを多種に生成し, 成功率は38%から84%である。
• 参考スコア（独自算出の注目度）: 65.77915791312634
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cyclic peptides, characterized by geometric constraints absent in linear peptides, offer enhanced biochemical properties, presenting new opportunities to address unmet medical needs. However, designing target-specific cyclic peptides remains underexplored due to limited training data. To bridge the gap, we propose CP-Composer, a novel generative framework that enables zero-shot cyclic peptide generation via composable geometric constraints. Our approach decomposes complex cyclization patterns into unit constraints, which are incorporated into a diffusion model through geometric conditioning on nodes and edges. During training, the model learns from unit constraints and their random combinations in linear peptides, while at inference, novel constraint combinations required for cyclization are imposed as input. Experiments show that our model, despite trained with linear peptides, is capable of generating diverse target-binding cyclic peptides, reaching success rates from 38% to 84% on different cyclization strategies.
• Abstract（参考訳）: 環状ペプチドは、線状ペプチドに欠如する幾何学的制約によって特徴付けられるが、生化学的特性が向上し、非金属の医療的ニーズに対処する新たな機会が提示される。 しかし, 標的特異的環状ペプチドの設計は, 限られた訓練データにより未解明のままである。 このギャップを埋めるために,構成可能な幾何学的制約を通したゼロショット環状ペプチド生成を可能にする新しい生成フレームワークCP-Composerを提案する。 提案手法は複雑な環化パターンを単位制約に分解し,ノードやエッジの幾何学的条件付けを通じて拡散モデルに組み込む。 トレーニング中、モデルは、線形ペプチドにおける単位制約とそのランダム結合から学習するが、推論時には、環化に必要な新しい制約結合が入力として課される。 実験により, 線形ペプチドの訓練にもかかわらず, 種々の標的結合性環状ペプチドを生成でき, 異なる環化戦略で38%から84%の成功率に達することが示された。

関連論文リスト

• CP$^2$: Leveraging Geometry for Conformal Prediction via Canonicalization [51.716834831684004]
  幾何データシフトにおける共形予測(CP)の問題について検討する。 本稿では,幾何的ポーズなどの幾何学的情報を統合することを提案する。
  論文  参考訳（メタデータ） (2025-06-19T10:12:02Z)
• Designing Cyclic Peptides via Harmonic SDE with Atom-Bond Modeling [58.384011300570585]
  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。
  論文  参考訳（メタデータ） (2025-05-27T17:24:12Z)
• 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)
• 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)

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。