論文の概要: Energy-Based Models for Predicting Mutational Effects on Proteins

• arxiv url: http://arxiv.org/abs/2508.10629v1
• Date: Thu, 14 Aug 2025 13:30:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.32703
• Title: Energy-Based Models for Predicting Mutational Effects on Proteins
• Title（参考訳）: タンパク質の変異効果予測のためのエネルギーモデル
• Authors: Patrick Soga, Zhenyu Lei, Yinhan He, Camille Bilodeau, Jundong Li,
• Abstract要約: 我々は、結合自由エネルギーの変化を予測する新しいアプローチを提案する(DeltaDelta G$)。 我々は新たに$DeltaDelta G$を逆折り畳みモデルとエネルギーモデルで見積もる構造ベースコンポーネントに分解する。 本手法は, しばしば使用されるシーケンス対数比に基づくアプローチをデルタデルタG$予測と, 統計力学に基礎を置く新しいデルタデルタE$項に結合することにより, エネルギーベースの物理的帰納バイアスを組み込む。
• 参考スコア（独自算出の注目度）: 42.043597166564524
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predicting changes in binding free energy ($\Delta\Delta G$) is a vital task in protein engineering and protein-protein interaction (PPI) engineering for drug discovery. Previous works have observed a high correlation between $\Delta\Delta G$ and entropy, using probabilities of biologically important objects such as side chain angles and residue identities to estimate $\Delta\Delta G$. However, estimating the full conformational distribution of a protein complex is generally considered intractable. In this work, we propose a new approach to $\Delta\Delta G$ prediction that avoids this issue by instead leveraging energy-based models for estimating the probability of a complex's conformation. Specifically, we novelly decompose $\Delta\Delta G$ into a sequence-based component estimated by an inverse folding model and a structure-based component estimated by an energy model. This decomposition is made tractable by assuming equilibrium between the bound and unbound states, allowing us to simplify the estimation of degeneracies associated with each state. Unlike previous deep learning-based methods, our method incorporates an energy-based physical inductive bias by connecting the often-used sequence log-odds ratio-based approach to $\Delta\Delta G$ prediction with a new $\Delta\Delta E$ term grounded in statistical mechanics. We demonstrate superiority over existing state-of-the-art structure and sequence-based deep learning methods in $\Delta\Delta G$ prediction and antibody optimization against SARS-CoV-2.
• Abstract（参考訳）: 結合自由エネルギー(\Delta\Delta G$)の変化を予測することは、タンパク質工学とタンパク質-タンパク質相互作用(PPI)工学において重要な課題である。 これまでの研究では、サイドチェーン角や残基等といった生物学的に重要な物体の確率を用いて、$\Delta\Delta G$とエントロピーの間に高い相関関係が観測されている。 しかし、タンパク質複合体の完全な配座分布を推定することは一般に難解であると考えられている。 そこで本研究では,エネルギーモデルを用いて複素体のコンホメーションの確率を推定することにより,この問題を回避するために$\Delta\Delta G$予測法を提案する。 具体的には、新たに$\Delta\Delta G$を逆折り畳みモデルとエネルギーモデルにより推定される構造ベースコンポーネントに分解する。 この分解は、有界状態と非有界状態の平衡を仮定することで、各状態に付随する退化を簡易化する。 従来の深層学習法と異なり,この手法では,頻繁に使用されるシーケンス対数比に基づくアプローチを$\Delta\Delta G$予測と,統計力学に基礎を置く新たな$\Delta\Delta E$予測とを結びつけることで,エネルギーベースの物理的帰納バイアスを取り入れている。 我々は,SARS-CoV-2に対する$\Delta\Delta G$予測と抗体最適化において,既存の最先端構造とシーケンスに基づくディープラーニング手法よりも優れていることを示す。

関連論文リスト

• Accurate generation of chemical reaction transition states by conditional flow matching [0.6872939325656702]
  本稿では,条件付きフローマッチング生成モデルTS-GENを紹介する。 単純なガウスのサンプルを1つの決定論的パスで直接遷移状態のサドルポイントジオメトリーにマッピングする。 前例のない精度で、根平均平方偏差は0.004 rmmathringA$である。
  論文  参考訳（メタデータ） (2025-07-14T17:54:47Z)
• Boltzmann-Aligned Inverse Folding Model as a Predictor of Mutational Effects on Protein-Protein Interactions [48.58317905849438]
  結合自由エネルギーの変化を予測する(Delta Delta G$)ことはタンパク質-タンパク質相互作用の理解と調節に不可欠である。 本稿では,事前学習した逆折り畳みモデルから$Delta Delta G$予測への知識伝達のためのボルツマンアライメント手法を提案する。
  論文  参考訳（メタデータ） (2024-10-12T14:13:42Z)
• Coherent states for generalized uncertainty relations as Tsallis probability amplitudes: new route to non-extensive thermostatistics [0.0]
  一般化不確実性原理(GUP)に関連するコヒーレントな状態について検討する。 我々は、このコヒーレント状態とツァリスエントロピーの組み合わせは、非膨張熱力学の観点から GUP を研究することができる自然な概念的枠組みを提供すると論じる。
  論文  参考訳（メタデータ） (2023-08-23T18:16:15Z)
• Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative Models [49.81937966106691]
  我々は拡散モデルのデータ生成過程を理解するための非漸近理論のスイートを開発する。 従来の研究とは対照的に,本理論は基本的だが多目的な非漸近的アプローチに基づいて開発されている。
  論文  参考訳（メタデータ） (2023-06-15T16:30:08Z)
• New insights on the quantum-classical division in light of Collapse Models [63.942632088208505]
  量子的挙動と古典的挙動の分断は熱力学的相の分断と類似していると主張する。 崩壊パラメータ $(lambda)$ と崩壊長スケール$r_C$ との特定の関係は、通常の熱力学相図における共存曲線の役割を担っている。
  論文  参考訳（メタデータ） (2022-10-19T14:51:21Z)
• A study of the quantum Sinh-Gordon model with relativistic continuous matrix product states [0.0]
  最近導入された変分法を用いてSine-Gordon(SG)とSinh-Gordon(ShG)の量子場理論を研究する。 主な利点は、UV規制なしで、熱力学の限界で直接働くことである。
  論文  参考訳（メタデータ） (2022-09-12T15:54:25Z)

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。