論文の概要: Modeling enzyme temperature stability from sequence segment perspective
- arxiv url: http://arxiv.org/abs/2507.19755v1
- Date: Sat, 26 Jul 2025 03:01:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-29 16:23:56.164724
- Title: Modeling enzyme temperature stability from sequence segment perspective
- Title（参考訳）: 配列セグメントから見た酵素の温度安定性のモデリング
- Authors: Ziqi Zhang, Shiheng Chen, Runze Yang, Zhisheng Wei, Wei Zhang, Lei Wang, Zhanzhi Liu, Fengshan Zhang, Jing Wu, Xiaoyong Pan, Hongbin Shen, Longbing Cao, Zhaohong Deng,
- Abstract要約: textitSegment Transformerは、酵素の温度安定性の効率的かつ正確な予測を可能にする新しいディープラーニングフレームワークである。
RMSEは24.03、MAEは18.09、PearsonとSpearmanの相関は0.33である。
- 参考スコア（独自算出の注目度）: 29.319725221088156
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Developing enzymes with desired thermal properties is crucial for a wide range of industrial and research applications, and determining temperature stability is an essential step in this process. Experimental determination of thermal parameters is labor-intensive, time-consuming, and costly. Moreover, existing computational approaches are often hindered by limited data availability and imbalanced distributions. To address these challenges, we introduce a curated temperature stability dataset designed for model development and benchmarking in enzyme thermal modeling. Leveraging this dataset, we present the \textit{Segment Transformer}, a novel deep learning framework that enables efficient and accurate prediction of enzyme temperature stability. The model achieves state-of-the-art performance with an RMSE of 24.03, MAE of 18.09, and Pearson and Spearman correlations of 0.33, respectively. These results highlight the effectiveness of incorporating segment-level representations, grounded in the biological observation that different regions of a protein sequence contribute unequally to thermal behavior. As a proof of concept, we applied the Segment Transformer to guide the engineering of a cutinase enzyme. Experimental validation demonstrated a 1.64-fold improvement in relative activity following heat treatment, achieved through only 17 mutations and without compromising catalytic function.
- Abstract（参考訳）: 所望の熱特性を持つ酵素の開発は、幅広い産業・研究用途に不可欠であり、このプロセスでは温度安定性を決定することが不可欠である。
熱パラメータの実験的決定は、労働集約的で、時間がかかり、コストがかかる。
さらに、既存の計算手法は、限られたデータ可用性と不均衡な分布によってしばしば妨げられる。
これらの課題に対処するために、酵素熱モデルにおけるモデル開発とベンチマークのために設計された温度安定性データセットを導入する。
このデータセットを活用することで、酵素温度安定性の効率的かつ正確な予測を可能にする新しいディープラーニングフレームワークである「textit{Segment Transformer}」を提示する。
RMSEは24.03、MAEは18.09、PearsonとSpearmanの相関は0.33である。
これらの結果は、タンパク質配列の異なる領域が熱的挙動に不平等に寄与するという生物学的観察に基づいて、セグメントレベルの表現を組み込むことの有効性を強調した。
そこで我々はSegment Transformerを応用し,カチナーゼ酵素の工学的応用を導いた。
熱処理後の相対活性は1.64倍に向上し、17の変異しか起こらず、触媒機能を損なわないことが実験的に証明された。
関連論文リスト
- Exploring the Impact of Temperature on Large Language Models:Hot or Cold? [9.70280446429164]
我々は,0から2の範囲の温度が6つの異なる能力を評価するために設計されたデータセットに与える影響を評価する。
本研究は,最適温度選択の複雑さを浮き彫りにして,温度がモデル性能に与える影響を明らかにする。
本稿では,これらの観測効果を利用して,所定のプロンプトの最適温度を推定するBERTに基づく温度セレクタを提案する。
論文 参考訳（メタデータ） (2025-06-08T21:36:26Z) - Optimizing Temperature for Language Models with Multi-Sample Inference [47.14991144052361]
本稿では,異なる大言語モデルに対する(近傍)最適温度の自動同定という課題に対処する。
モデルアーキテクチャ、データセット、タスクタイプ、モデルサイズ、予測精度の変動を考慮して、性能最適化における温度の役割を総合的に分析する。
本稿では,温度自動最適化のためのエントロピーに基づく新しい計量法を提案する。
論文 参考訳（メタデータ） (2025-02-07T19:35:25Z) - Bayesian inference of composition-dependent phase diagrams [47.79947989845143]
本研究では,分子動力学(MD),融点シミュレーション,フォノン計算からの熱力学データを合成し,これらのデータを処理し,温度集中相図を生成する手法を開発した。
開発したアルゴリズムは,Ge-SiとK-Naの2つの二元系において,全濃度および温度で試験に成功した。
論文 参考訳（メタデータ） (2023-09-03T20:57:10Z) - Dynamically Scaled Temperature in Self-Supervised Contrastive Learning [11.133502139934437]
本稿では,コサインの類似性に依存した温度スケーリング機能を提案することで,自己教師型学習におけるInfoNCE損失の性能向上に着目する。
実験的な証拠は、提案フレームワークが損失ベースのSSLアルゴリズムよりも優れていることを示している。
論文 参考訳（メタデータ） (2023-08-02T13:31:41Z) - Long Horizon Temperature Scaling [90.03310732189543]
LHTS(Long Horizon Temperature Scaling)は、温度スケールの関節分布をサンプリングするための新しい手法である。
温度依存性のLHTS目標を導出し, 温度範囲のモデルを微調整することで, 制御可能な長地平線温度パラメータで生成可能な単一モデルが得られることを示す。
論文 参考訳（メタデータ） (2023-02-07T18:59:32Z) - Accessing the topological Mott insulator in cold atom quantum simulators
with realistic Rydberg dressing [58.720142291102135]
本稿では, コールド・ライドバーグ型原子を用いた光学格子の量子シミュレーションの現実的シナリオについて検討する。
本研究では, 平均場近似において, 半次および非共役充填時の位相図の詳細な解析を行う。
さらに、平均場近似における温度に対する相の安定性について検討する。
論文 参考訳（メタデータ） (2022-03-28T14:55:28Z) - Physics-based Learning of Parameterized Thermodynamics from Real-time
Thermography [0.0]
実時間サーモグラフィデータから熱過程のダイナミクスを学習するための物理に基づく新しいアプローチを提案する。
提案手法は雑音に対して頑健であり,パラメータ推定の精度向上に有効であることを示す。
論文 参考訳（メタデータ） (2022-03-24T16:06:31Z) - Correlating exciton coherence length, localization, and its optical
lineshape. I. a finite temperature solution of the Davydov soliton model [6.321935605877715]
分子励起子のラインシェイプを有限温度格子振動に接続する新しい手法を提案する。
エネルギーゆらぎと局所化の両方がパラメータフリーで還元された記述で記述できることがわかった。
論文 参考訳（メタデータ） (2022-03-10T19:51:02Z) - Residual fourier neural operator for thermochemical curing of composites [9.236600710244478]
本稿では,Residual Fourier Neural Operator (ResFNO)を提案する。
ドメイン知識を時間分解能独立パラメータ化ニューラルネットワークに統合することにより、治療サイクルと温度履歴の間のマッピングをラベル付きデータの限られた数で学習することができる。
論文 参考訳（メタデータ） (2021-11-15T14:28:11Z) - Uhlmann Fidelity and Fidelity Susceptibility for Integrable Spin Chains
at Finite Temperature: Exact Results [68.8204255655161]
奇数パリティ部分空間の適切な包含は、中間温度範囲における最大忠実度感受性の向上につながることを示す。
正しい低温の挙動は、2つの最も低い多体エネルギー固有状態を含む近似によって捉えられる。
論文 参考訳（メタデータ） (2021-05-11T14:08:02Z) - Adiabatic Sensing Technique for Optimal Temperature Estimation using
Trapped Ions [64.31011847952006]
捕捉イオンを用いた最適なフォノン温度推定のための断熱法を提案する。
フォノンの熱分布に関する関連する情報は、スピンの集合的な自由度に伝達することができる。
それぞれの熱状態確率は、各スピン励起構成に近似的にマッピングされることを示す。
論文 参考訳（メタデータ） (2020-12-16T12:58:08Z)
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。