論文の概要: A deep reinforcement learning platform for antibiotic discovery

• arxiv url: http://arxiv.org/abs/2509.18153v1
• Date: Tue, 16 Sep 2025 18:21:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.426684
• Title: A deep reinforcement learning platform for antibiotic discovery
• Title（参考訳）: 抗生物質発見のための深層強化学習プラットフォーム
• Authors: Hanqun Cao, Marcelo D. T. Torres, Jingjie Zhang, Zijun Gao, Fang Wu, Chunbin Gu, Jure Leskovec, Yejin Choi, Cesar de la Fuente-Nunez, Guangyong Chen, Pheng-Ann Heng,
• Abstract要約: 抗微生物抵抗性(AMR)は2050年までに最大1000万人が死亡すると予想されている。 本稿では,抗生物質のde novo設計のためのディープラーニングフレームワークであるApexAmphionを紹介する。
• 参考スコア（独自算出の注目度）: 101.30486136547285
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Antimicrobial resistance (AMR) is projected to cause up to 10 million deaths annually by 2050, underscoring the urgent need for new antibiotics. Here we present ApexAmphion, a deep-learning framework for de novo design of antibiotics that couples a 6.4-billion-parameter protein language model with reinforcement learning. The model is first fine-tuned on curated peptide data to capture antimicrobial sequence regularities, then optimised with proximal policy optimization against a composite reward that combines predictions from a learned minimum inhibitory concentration (MIC) classifier with differentiable physicochemical objectives. In vitro evaluation of 100 designed peptides showed low MIC values (nanomolar range in some cases) for all candidates (100% hit rate). Moreover, 99 our of 100 compounds exhibited broad-spectrum antimicrobial activity against at least two clinically relevant bacteria. The lead molecules killed bacteria primarily by potently targeting the cytoplasmic membrane. By unifying generation, scoring and multi-objective optimization with deep reinforcement learning in a single pipeline, our approach rapidly produces diverse, potent candidates, offering a scalable route to peptide antibiotics and a platform for iterative steering toward potency and developability within hours.
• Abstract（参考訳）: 抗微生物抵抗性(AMR)は、2050年までに毎年最大1000万人が死亡すると予測されており、新しい抗生物質が緊急に必要であることを示している。 ここではApexAmphionについて紹介する。ApexAmphionは6.4ビリオンパラメータタンパク質言語モデルと強化学習を組み合わせた抗生物質のde novo設計のためのディープラーニングフレームワークである。 このモデルは、まず、培養されたペプチドデータに基づいて、抗菌配列の正則性を捕捉し、次に、学習された最小抑制濃度(MIC)分類器から異なる物理化学的目的の予測を組み合わせた複合報酬に対する近似的ポリシー最適化によって最適化される。 設計ペプチド100種をin vitroで評価したところ,全ての候補(100%ヒット率)に対してMIC値が低かった。 さらに,100種のうち99種は,少なくとも2種の臨床関連菌に対して幅広い抗菌活性を示した。 鉛分子は、主に細胞質膜を標的に細菌を殺傷した。 単一パイプラインで生成,スコアリング,多目的最適化,深層強化学習を両立させることにより,ペプチド系抗生物質へのスケーラブルな経路と,有効性と開発性に対する反復的ステアリングのためのプラットフォームを数時間以内に提供し,多種多様な強力な候補を迅速に生み出すことができた。

関連論文リスト

• AI-guided Antibiotic Discovery Pipeline from Target Selection to Compound Identification [0.0]
  タンパク質構造予測と機械学習の最近の進歩は、薬物発見を加速する有望な機会を提供する。 我々は3次元構造認識生成モデルのエンド・ツー・エンドでガイド付き実現を実現する。 この研究は、初期の抗生物質開発に人工知能をデプロイするための比較ベンチマークと青写真を提供する。
  論文  参考訳（メタデータ） (2025-04-15T11:36:27Z)
• xTrimoABFold: De novo Antibody Structure Prediction without MSA [77.47606749555686]
  我々は、抗体配列から抗体構造を予測するために、xTrimoABFoldという新しいモデルを開発した。 CDRにおけるドメイン特異的焦点損失のアンサンブル損失とフレーム整合点損失を最小化することにより,PDBの抗体構造をエンドツーエンドにトレーニングした。
  論文  参考訳（メタデータ） (2022-11-30T09:26:08Z)
• Graph-Based Active Machine Learning Method for Diverse and Novel Antimicrobial Peptides Generation and Selection [57.131117785001194]
  新しいAMP候補の大規模スクリーニングは高価で、時間もかかり、発展途上国では手頃な価格となっている。 本稿では,新しいAMPの設計に必要なウェットラブ実験の数を統計的に最小化する,アクティブ機械学習ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-18T14:30:48Z)
• AntBO: Towards Real-World Automated Antibody Design with Combinatorial Bayesian Optimisation [53.43922443725598]
  本稿では,CDRH3領域のシリコ設計を効率的に行うための組合せ最適化アルゴリズムAntBOを提案する。 AntBOをベンチマークするために、私たちはAbsolut!ソフトウェアスイートをブラックボックスのオラクルとして使用しています。 200以上のタンパク質の設計において、AntBOは690万の実験的に得られたCDRH3から引き出された最も優れた結合配列より優れた抗体配列を提案することができる。
  論文  参考訳（メタデータ） (2022-01-29T12:03:04Z)
• HMD-AMP: Protein Language-Powered Hierarchical Multi-label Deep Forest for Annotating Antimicrobial Peptides [5.61222966894307]
  各種AMPデータベースからアミノ酸を収集, 洗浄することにより, 多様な多ラベルタンパク質配列データベースを構築した。 我々は、AMPを包括的にアノテートするために、エンドツーエンドの階層型多ラベル深い森林フレームワーク、HMD-AMPを開発した。 AMPを特定した後、AMPが効果的に11の利用可能なクラスから殺すことができるターゲットを予測します。
  論文  参考訳（メタデータ） (2021-11-11T02:10:07Z)
• 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)
• Accelerating Antimicrobial Discovery with Controllable Deep Generative Models and Molecular Dynamics [109.70543391923344]
  CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。 深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。 提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
  論文  参考訳（メタデータ） (2020-05-22T15:57:58Z)

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。