論文の概要: SubDyve: Subgraph-Driven Dynamic Propagation for Virtual Screening Enhancement Controlling False Positive

• arxiv url: http://arxiv.org/abs/2509.16273v1
• Date: Thu, 18 Sep 2025 14:48:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:15.714249
• Title: SubDyve: Subgraph-Driven Dynamic Propagation for Virtual Screening Enhancement Controlling False Positive
• Title（参考訳）: SubDyve: 偽陽性制御のための仮想スクリーニング強化のためのサブグラフ駆動動的プロパゲーション
• Authors: Jungseob Yi, Seoyoung Choi, Sun Kim, Sangseon Lee,
• Abstract要約: SubDyveはネットワークベースのVSフレームワークで、サブグラフ対応の類似性ネットワークを構築し、小さな既知のアクティビティからのアクティビティ信号を伝搬する。 ゼロショット条件下で10のDUD-Eターゲットと100万のZINCデータセットを用いてCDK7ターゲット上でSubDyveを評価する。
• 参考スコア（独自算出の注目度）: 9.285874075936979
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Virtual screening (VS) aims to identify bioactive compounds from vast chemical libraries, but remains difficult in low-label regimes where only a few actives are known. Existing methods largely rely on general-purpose molecular fingerprints and overlook class-discriminative substructures critical to bioactivity. Moreover, they consider molecules independently, limiting effectiveness in low-label regimes. We introduce SubDyve, a network-based VS framework that constructs a subgraph-aware similarity network and propagates activity signals from a small known actives. When few active compounds are available, SubDyve performs iterative seed refinement, incrementally promoting new candidates based on local false discovery rate. This strategy expands the seed set with promising candidates while controlling false positives from topological bias and overexpansion. We evaluate SubDyve on ten DUD-E targets under zero-shot conditions and on the CDK7 target with a 10-million-compound ZINC dataset. SubDyve consistently outperforms existing fingerprint or embedding-based approaches, achieving margins of up to +34.0 on the BEDROC and +24.6 on the EF1% metric.
• Abstract（参考訳）: 仮想スクリーニング(VS)は、膨大な化学ライブラリーから生物活性化合物を同定することを目的としているが、少数の活性物質しか知られていない低ラベル状態では依然として困難である。 既存の方法は、主に汎用分子指紋と、生物活性に不可欠なクラス識別サブ構造に依存している。 さらに、彼らは分子を独立に考慮し、低ラベル状態における有効性を制限している。 SubDyveは、サブグラフ対応の類似性ネットワークを構築し、小さなアクティビティからのアクティビティ信号を伝搬するネットワークベースのVSフレームワークである。 活性化合物がほとんど得られない場合、SubDyveは反復的な種子精製を行い、局所的な偽発見率に基づいて新たな候補を段階的に促進する。 この戦略は、有望な候補を持つシードセットを拡張し、トポロジカルバイアスと過剰膨張から偽陽性を制御する。 ゼロショット条件下で10のDUD-Eターゲットと100万のZINCデータセットを用いてCDK7ターゲット上でSubDyveを評価する。 SubDyveは既存の指紋や埋め込みベースのアプローチを一貫して上回り、BEDROCでは+34.0、EF1%では+24.6のマージンを達成している。

関連論文リスト

• Activation Subspaces for Out-of-Distribution Detection [11.782674956998939]
  アウト・オブ・ディストリビューション(OOD)検出法は、トレーニング分布に近いサンプルを遠くのサンプルと区別することを目的としている。 分類ヘッドの重み行列の特異値分解を利用した新しいOOD検出法を提案する。 大規模分散シフトのレギュレーションにおける生のアクティベーションよりも, 重要成分のサブスペースが OOD データとIDをより効果的に区別できることが判明した。
  論文  参考訳（メタデータ） (2025-08-29T15:03:36Z)
• Robust and Label-Efficient Deep Waste Detection [29.019461511410515]
  効率的な廃棄物のソートは持続可能なリサイクルには不可欠だが、この領域でのAI研究は商用システムに遅れを取っている。 本研究では,強力なベースラインを確立し,アンサンブルに基づく半教師付き学習フレームワークを導入することにより,AI駆動型廃棄物検出を推し進める。
  論文  参考訳（メタデータ） (2025-08-26T08:34:04Z)
• Normalized Attention Guidance: Universal Negative Guidance for Diffusion Models [57.20761595019967]
  注意空間にL1をベースとした正規化・精細化を施した,効率的かつトレーニング不要な機構である正規化注意誘導(NAG)を提案する。 NAGは、CFGが忠実性を維持しながら崩壊する効果的な負のガイダンスを復元する。 NAGはアーキテクチャ(UNet、DiT)、サンプリングレシスタンス(複数ステップ、複数ステップ)、モダリティ(イメージ、ビデオ)をまたいで一般化する
  論文  参考訳（メタデータ） (2025-05-27T13:30:46Z)
• Not All Diffusion Model Activations Have Been Evaluated as Discriminative Features [115.33889811527533]
  拡散モデルは当初、画像生成のために設計されている。 近年の研究では、バックボーンの内部シグナルはアクティベーションと呼ばれ、様々な識別タスクの高密度な特徴として機能することが示されている。
  論文  参考訳（メタデータ） (2024-10-04T16:05:14Z)
• Towards Adaptive Pseudo-label Learning for Semi-Supervised Temporal Action Localization [10.233225586034665]
  既存の手法はしばしば厳密な条件に基づいて擬似ラベルをフィルタリングし、最適でない擬似ラベルのランク付けと選択につながる。 擬似ラベル選択を容易にするための適応擬似ラベル学習フレームワークを提案する。 本手法は,各種半教師付き環境下での最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-07-10T14:00:19Z)
• Rethinking Pseudo Labels for Semi-Supervised Object Detection [84.697097472401]
  物体検出に適した確実な擬似ラベルを導入する。 我々は,クラス不均衡問題を緩和するために,各カテゴリの擬似ラベルと再重み付き損失関数を生成するために使用する閾値を動的に調整する。 提案手法では,COCOのラベル付きデータのみを用いて,教師付きベースラインを最大10%改善する。
  論文  参考訳（メタデータ） (2021-06-01T01:32:03Z)

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。