論文の概要: Morphology-Specific Peptide Discovery via Masked Conditional Generative Modeling

• arxiv url: http://arxiv.org/abs/2509.02060v1
• Date: Tue, 02 Sep 2025 07:58:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.953042
• Title: Morphology-Specific Peptide Discovery via Masked Conditional Generative Modeling
• Title（参考訳）: マスク付き条件生成モデルによるペプチドのモルフォロジー特異的発見
• Authors: Nuno Costa, Julija Zavadlav,
• Abstract要約: PepMorphはエンドツーエンドのペプチド発見パイプラインである。 配列は凝集しやすいが、特定のフィブリッラーや球形の形態に自己組織化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Peptide self-assembly prediction offers a powerful bottom-up strategy for designing biocompatible, low-toxicity materials for large-scale synthesis in a broad range of biomedical and energy applications. However, screening the vast sequence space for categorization of aggregate morphology remains intractable. We introduce PepMorph, an end-to-end peptide discovery pipeline that generates novel sequences that are not only prone to aggregate but self-assemble into a specified fibrillar or spherical morphology. We compiled a new dataset by leveraging existing aggregation propensity datasets and extracting geometric and physicochemical isolated peptide descriptors that act as proxies for aggregate morphology. This dataset is then used to train a Transformer-based Conditional Variational Autoencoder with a masking mechanism, which generates novel peptides under arbitrary conditioning. After filtering to ensure design specifications and validation of generated sequences through coarse-grained molecular dynamics simulations, PepMorph yielded 83% accuracy in intended morphology generation, showcasing its promise as a framework for application-driven peptide discovery.
• Abstract（参考訳）: ペプチド自己組織化予測は、バイオメディカルおよびエネルギーの幅広い応用において、大規模合成のための生体適合性で低毒性の材料を設計するための強力なボトムアップ戦略を提供する。 しかし、集合形態学の分類のための広大な列空間のスクリーニングは、いまだに難解である。 我々はPepMorphを紹介した。これはエンド・ツー・エンドのペプチド発見パイプラインで、凝集しやすいだけでなく、特定のフィブリッラーや球状形態に自己組織化する新しい配列を生成する。 我々は,既存の凝集確率データセットを活用し,凝集形態のプロキシとして機能する幾何学的および物理化学的分離ペプチド記述子を抽出し,新しいデータセットをコンパイルした。 このデータセットを使用して、任意の条件下で新規ペプチドを生成するマスク機構を備えたTransformerベースの条件変分自動エンコーダをトレーニングする。 粗粒分子動力学シミュレーションによる設計仕様と生成配列のバリデーションを保証するため、PepMorphは意図した形態素生成において83%の精度を達成し、アプリケーション駆動ペプチド発見のフレームワークとしてのその可能性を実証した。

関連論文リスト

• Zero-Shot Cyclic Peptide Design via Composable Geometric Constraints [65.77915791312634]
  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。
  論文  参考訳（メタデータ） (2025-07-06T03:30:45Z)
• CreoPep: A Universal Deep Learning Framework for Target-Specific Peptide Design and Optimization [19.795752582745397]
  コノトキシンのような標的特異的ペプチドは、イオンチャネルや受容体に対する例外的な結合親和性と選択性を示す。 本稿では, プログレッシブマスキング手法とマスク言語モデリングを統合し, 高親和性ペプチド変異体を設計する, 深層学習に基づく条件生成フレームワークであるCreoPepについて述べる。 ニコチン性アセチルコリン受容体を標的としたコノトキシン阻害剤を設計し, 電気生理学的試験においてサブミクロモル活性を達成することにより, このアプローチを検証した。
  論文  参考訳（メタデータ） (2025-05-05T15:56:39Z)
• Life-Code: Central Dogma Modeling with Multi-Omics Sequence Unification [55.98854157265578]
  Life-Codeは、様々な生物学的機能にまたがる包括的なフレームワークである。 本稿では、RNAを逆転写し、アミノ酸をヌクレオチド配列に変換することで、マルチオミクスデータを統合する統一パイプラインを提案する。 Life-Codeは3つのオミクスにまたがる様々なタスクの最先端の結果を達成し、マルチオミクス分析と解釈の進歩の可能性を強調している。
  論文  参考訳（メタデータ） (2025-02-11T06:53:59Z)
• Computational design of target-specific linear peptide binders with TransformerBeta [0.0]
  安定な二次構造(ベータシート)内にペプチド対の大規模なライブラリを構築する。 そこで我々は、特定の線形バインダーの設計のためのTransformerアーキテクチャに基づく機械学習手法を開発した。
  論文  参考訳（メタデータ） (2024-10-07T08:52:54Z)
• Exploring Latent Space for Generating Peptide Analogs Using Protein Language Models [1.5146068448101742]
  提案手法は,大規模データセットの必要を回避し,関心の連続を1つだけ要求する。 ペプチド構造, 転写因子, 生体活性の類似度指標では, ベースラインモデルよりも有意に改善した。
  論文  参考訳（メタデータ） (2024-08-15T13:37:27Z)
• MorphGrower: A Synchronized Layer-by-layer Growing Approach for Plausible Neuronal Morphology Generation [38.87351909710185]
  本稿では,ニューロンの自然成長機構を模倣したMorphGrowerを提案する。 MorphGrowerは層ごとにモルフォロジー層を生成し、その後の各層は以前に生成された構造に条件付けされる。 4つの実世界のデータセットの結果、MorphGrowerはMorphVAEを顕著な差で上回っている。
  論文  参考訳（メタデータ） (2024-01-17T09:03:14Z)
• Efficient Prediction of Peptide Self-assembly through Sequential and Graphical Encoding [57.89530563948755]
  この研究は、高度なディープラーニングモデルを用いたペプチドエンコーディングのベンチマーク分析を提供する。 等電点や水和自由エネルギーなど、幅広いペプチド関連予測のガイドとして機能する。
  論文  参考訳（メタデータ） (2023-07-17T00:43:33Z)
• Retrieval-based Controllable Molecule Generation [63.44583084888342]
  制御可能な分子生成のための検索に基づく新しいフレームワークを提案する。 我々は、与えられた設計基準を満たす分子の合成に向けて、事前学習された生成モデルを操るために、分子の小さなセットを使用します。 提案手法は生成モデルの選択に非依存であり,タスク固有の微調整は不要である。
  論文  参考訳（メタデータ） (2022-08-23T17:01:16Z)

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。