論文の概要: Resilient Biosecurity in the Era of AI-Enabled Bioweapons

• arxiv url: http://arxiv.org/abs/2509.02610v1
• Date: Sat, 30 Aug 2025 18:09:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 21:40:46.254803
• Title: Resilient Biosecurity in the Era of AI-Enabled Bioweapons
• Title（参考訳）: AIが実現したバイオ兵器時代におけるレジリエンスなバイオセキュリティ
• Authors: Jonathan Feldman, Tal Feldman,
• Abstract要約: 既存のバイオセーフティ対策は、危険な出力を検出するために配列アライメントとタンパク質とタンパク質の相互作用予測に依存している。 The performance of three leading PPI prediction tools: AlphaFold 3, AF3complex and SpatialPPIv2。 いずれも実験的に検証された4つのSARS-CoV-2変異株の1つを同定できなかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in generative biology have enabled the design of novel proteins, creating significant opportunities for drug discovery while also introducing new risks, including the potential development of synthetic bioweapons. Existing biosafety measures primarily rely on inference-time filters such as sequence alignment and protein-protein interaction (PPI) prediction to detect dangerous outputs. In this study, we evaluate the performance of three leading PPI prediction tools: AlphaFold 3, AF3Complex, and SpatialPPIv2. These models were tested on well-characterized viral-host interactions, such as those involving Hepatitis B and SARS-CoV-2. Despite being trained on many of the same viruses, the models fail to detect a substantial number of known interactions. Strikingly, none of the tools successfully identify any of the four experimentally validated SARS-CoV-2 mutants with confirmed binding. These findings suggest that current predictive filters are inadequate for reliably flagging even known biological threats and are even more unlikely to detect novel ones. We argue for a shift toward response-oriented infrastructure, including rapid experimental validation, adaptable biomanufacturing, and regulatory frameworks capable of operating at the speed of AI-driven developments.
• Abstract（参考訳）: 遺伝子生物学の最近の進歩は、新しいタンパク質の設計を可能にし、薬物発見の重要な機会を生み出しつつ、合成バイオ兵器の開発の可能性を含む新たなリスクももたらした。 既存のバイオセーフティ対策は主に、危険な出力を検出するために、シーケンスアライメントやタンパク質-タンパク質相互作用(PPI)予測のような推論時フィルタに依存している。 そこで本研究では,AlphaFold 3,AF3complex,SpatialPPIv2の3種類のPPI予測ツールの性能評価を行った。 これらのモデルは、B型肝炎やSARS-CoV-2など、ウイルスと宿主の相互作用の良好な指標として試験された。 同じウイルスの多くで訓練されているにもかかわらず、モデルは大量の既知の相互作用を検出できない。 興味深いことに、どのツールも実験的に検証された4つのSARS-CoV-2変異体のうちのどれかを同定することに成功した。 これらの結果は、現在の予測フィルターは、既知の生物学的脅威さえ確実にフラグを立てるには不十分であり、新しい脅威を検出する可能性がさらに高いことを示唆している。 我々は、迅速な実験検証、適応可能なバイオマニュファクチャリング、AI駆動開発速度で動作可能な規制フレームワークを含む、応答指向インフラストラクチャへのシフトを議論する。

関連論文リスト

• DISPROTBENCH: A Disorder-Aware, Task-Rich Benchmark for Evaluating Protein Structure Prediction in Realistic Biological Contexts [76.59606029593085]
  DisProtBenchは、構造障害および複雑な生物学的条件下でタンパク質構造予測モデル(PSPM)を評価するためのベンチマークである。 DisProtBenchはデータの複雑さ、タスクの多様性、解釈可能性という3つの重要な軸にまたがっている。 その結果,機能的予測障害と相関する低信頼領域を有する障害下でのモデルロバスト性に有意な変動が認められた。
  論文  参考訳（メタデータ） (2025-06-18T23:58:22Z)
• Towards an AI co-scientist [48.11351101913404]
  Gemini 2.0上に構築されたマルチエージェントシステムであるAIコサイシストを紹介する。 このAIの共同科学者は、新しい独創的な知識を解明し、明らかに新しい研究仮説を定式化することを目的としている。 システムの設計には、科学的手法にインスパイアされた仮説生成への生成、議論、進化のアプローチが組み込まれている。
  論文  参考訳（メタデータ） (2025-02-26T06:17:13Z)
• E(3)-invariant diffusion model for pocket-aware peptide generation [1.9950682531209156]
  コンピュータ支援型インヒビター発見の新しい手法として,de novo pocket-aware peptide structureとシーケンス生成ネットワークを提案する。 以上の結果から,本手法は最先端モデルに匹敵する性能を示す。
  論文  参考訳（メタデータ） (2024-10-27T19:59:09Z)
• MSAGPT: Neural Prompting Protein Structure Prediction via MSA Generative Pre-Training [48.398329286769304]
  マルチシークエンスアライメント(MSA)は、タンパク質ファミリーの進化的軌道を明らかにする上で重要な役割を担っている。 MSAGPTは、低MSA状態下でのMSA生成前訓練を通じてタンパク質構造予測を促進する新しいアプローチである。
  論文  参考訳（メタデータ） (2024-06-08T04:23:57Z)
• BioDiscoveryAgent: An AI Agent for Designing Genetic Perturbation Experiments [112.25067497985447]
  そこで,BioDiscoveryAgentを紹介した。このエージェントは,新しい実験を設計し,その結果の理由を明らかにし,仮説空間を効率的にナビゲートし,望ましい解に到達させる。 BioDiscoveryAgentは、機械学習モデルをトレーニングすることなく、新しい実験を独自に設計することができる。 6つのデータセットで関連する遺伝的摂動を予測することで、平均21%の改善が達成されている。
  論文  参考訳（メタデータ） (2024-05-27T19:57:17Z)
• Accelerating Inhibitor Discovery for Multiple SARS-CoV-2 Targets with a Single, Sequence-Guided Deep Generative Framework [47.14853881703749]
  我々は、新規な薬物様阻害剤分子の発見に向けた、単一の深層生成機構の広範な有用性を実証する。 このフレームワークは、ターゲット認識設計を行うために、生成モデルから新規分子をターゲットシーケンス条件でサンプリングする。 最も強力なスパイクRBD阻害剤は、SARS-CoV-2変異株に対して幅広いスペクトル活性を有する稀な非共有結合型抗ウイルス剤として出現した。
  論文  参考訳（メタデータ） (2022-04-19T17:59:46Z)
• A Novel Framework Integrating AI Model and Enzymological Experiments Promotes Identification of SARS-CoV-2 3CL Protease Inhibitors and Activity-based Probe [8.35958386389992]
  我々は,SARS-CoV-2の3CLプロテアーゼに対する阻害剤を同定するための新しいフレームワークであるAIMEEを提案する。 生物活性化学ライブラリーから2ラウンドの実験を行い、29.41%の新規阻害剤を同定した。 我々は,AIMEEにおける中心モデルの解釈可能性について検討し,深層学習の特徴を化学特性の領域知識にマッピングした。
  論文  参考訳（メタデータ） (2021-05-29T06:23:05Z)
• PaccMann$^{RL}$ on SARS-CoV-2: Designing antiviral candidates with conditional generative models [2.0750380105212116]
  新型コロナウイルス(COVID-19)の世界的なパンデミックへの急速な発展に伴い、世界中の科学者が、効果的な抗ウイルス治療薬を必死に探している。 タンパク質標的に適合した抗ウイルス候補薬の条件付きデノボ設計のための深層学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-27T11:30:15Z)
• Evolutionary Multi-Objective Design of SARS-CoV-2 Protease Inhibitor Candidates [0.0]
  本研究では,SARS-CoV-2の主プロテアーゼに対する潜在的なプロテアーゼ阻害剤を設計するための進化的多目的アルゴリズム(EMOA)を提案する。 SELFIES表現に基づいて、EMOAはドッキングツールQuickVina 2を用いて、候補のタンパク質への結合を最大化する。 実験部は、進化過程を分析し、阻害剤候補について論じる。
  論文  参考訳（メタデータ） (2020-05-06T09:15:20Z)

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。