論文の概要: NS-Pep: De novo Peptide Design with Non-Standard Amino Acids

• arxiv url: http://arxiv.org/abs/2510.03326v1
• Date: Wed, 01 Oct 2025 16:04:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:58.833043
• Title: NS-Pep: De novo Peptide Design with Non-Standard Amino Acids
• Title（参考訳）: NS-Pep:非安定アミノ酸を用いたデノボペプチドの設計
• Authors: Tao Guo, Junbo Yin, Yu Wang, Xin Gao,
• Abstract要約: 非標準アミノ酸(NSAAs)は、結合親和性を改善し、薬理学的特性を改善している。 既存のペプチド設計法は標準的なアミノ酸に限られており、NSAAを意識した設計はほとんど探索されていない。 NS-Pepは、ペプチド配列と構造をNSAAsと共設計するための統合フレームワークである。
• 参考スコア（独自算出の注目度）: 15.931688895952234
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Peptide drugs incorporating non-standard amino acids (NSAAs) offer improved binding affinity and improved pharmacological properties. However, existing peptide design methods are limited to standard amino acids, leaving NSAA-aware design largely unexplored. We introduce NS-Pep, a unified framework for co-designing peptide sequences and structures with NSAAs. The main challenge is that NSAAs are extremely underrepresented-even the most frequent one, SEP, accounts for less than 0.4% of residues-resulting in a severe long-tailed distribution. To improve generalization to rare amino acids, we propose Residue Frequency-Guided Modification (RFGM), which mitigates over-penalization through frequency-aware logit calibration, supported by both theoretical and empirical analysis. Furthermore, we identify that insufficient side-chain modeling limits geometric representation of NSAAs. To address this, we introduce Progressive Side-chain Perception (PSP) for coarse-to-fine torsion and location prediction, and Interaction-Aware Weighting (IAW) to emphasize pocket-proximal residues. Moreover, NS-Pep generalizes naturally to the peptide folding task with NSAAs, addressing a major limitation of current tools. Experiments show that NS-Pep improves sequence recovery rate and binding affinity by 6.23% and 5.12%, respectively, and outperforms AlphaFold3 by 17.76% in peptide folding success rate.
• Abstract（参考訳）: 非標準アミノ酸(NSAAs)を組み込んだペプチド薬は、結合親和性を改善し、薬理学的特性を改善している。 しかし、既存のペプチド設計法は標準的なアミノ酸に限られており、NSAAを意識した設計はほとんど探索されていない。 NS-Pepは、ペプチド配列と構造をNSAAsと共設計するための統合フレームワークである。 主な課題は、NSAAは極めて過小評価されており、最も頻繁なSEPは、厳しい長期分布における残基の0.4%未満を占めていることである。 希少なアミノ酸への一般化を改善するため, 高周波誘導変調法(RFGM)を提案し, 周波数認識ロジットキャリブレーションによる過料金化を緩和し, 理論的および経験的解析の両方で支持する。 さらに,サイドチェーンモデリングが不十分な場合には,NSAAの幾何学的表現が制限される。 これを解決するために、粗大なねじれと位置予測のためのプログレッシブサイドチェーン知覚(PSP)と、ポケット近位残基を強調するための相互認識重み付け(IAW)を導入する。 さらに、NS-Pepはペプチド折り畳みタスクをNSAAsで自然に一般化し、現在のツールの大きな制限に対処する。 実験の結果、NS-Pepは配列回復率と結合親和性をそれぞれ6.23%と5.12%改善し、αFold3を17.76%上回った。

関連論文リスト

• Lightweight MSA Design Advances Protein Folding From Evolutionary Embeddings [51.731441632457226]
  マルチシークエンスアライメント(MSA)は低ホモロジーおよび孤児タンパク質で機能する。 我々は、下流の折り畳みをより良くサポートするMSAを生成する軽量なMSA設計フレームワークPLAMEを紹介する。 AlphaFold2の低ホモロジー/孤児ベンチマークでは、PLAMEは構造精度の最先端の改善を提供する。
  論文  参考訳（メタデータ） (2025-06-17T04:11:30Z)
• NovoBench: Benchmarking Deep Learning-based De Novo Peptide Sequencing Methods in Proteomics [58.03989832372747]
  Emphde novoペプチドシークエンシングのための初となるNovoBenchベンチマークを報告する。 多様な質量スペクトルデータ、統合モデル、総合的な評価指標から構成される。 DeepNovo、PointNovo、Casanovo、InstaNovo、AdaNovo、$pi$-HelixNovoといった最近の手法が私たちのフレームワークに統合されています。
  論文  参考訳（メタデータ） (2024-06-16T08:23:21Z)
• AdaNovo: Adaptive \emph{De Novo} Peptide Sequencing with Conditional Mutual Information [46.23980841020632]
  本稿では,各アミノ酸/ペプチド間の条件付き相互情報(CMI)を計算する新しいフレームワークであるAdaNovoを提案する。 AdaNovoは翻訳後修飾(PTM)によるアミノ酸の同定に優れ、データノイズに対する堅牢性を示す。
  論文  参考訳（メタデータ） (2024-03-09T11:54:58Z)
• PSC-CPI: Multi-Scale Protein Sequence-Structure Contrasting for Efficient and Generalizable Compound-Protein Interaction Prediction [63.50967073653953]
  化合物-タンパク質相互作用予測は、合理的な薬物発見のための化合物-タンパク質相互作用のパターンと強度を予測することを目的としている。 既存のディープラーニングベースの手法では、タンパク質配列や構造が単一のモダリティしか利用していない。 CPI予測のためのマルチスケールタンパク質配列構造コントラストフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-13T03:51:10Z)
• GPCR-BERT: Interpreting Sequential Design of G Protein Coupled Receptors Using Protein Language Models [5.812284760539713]
  我々はGPCR結合受容体(GPCR)のシーケンシャル設計を理解するためのGPCR-BERTモデルを開発した。 GPCRはFDAが承認した医薬品の3分の1以上を標的としている。 我々は、結合ポケットの残基と保存モチーフのいくつかの関係について光を当てることができた。
  論文  参考訳（メタデータ） (2023-10-30T18:28:50Z)
• Predicting protein stability changes under multiple amino acid substitutions using equivariant graph neural networks [2.5137859989323537]
  本稿では,最先端のディープラーニング(DL)タンパク質安定性予測モデルの改良を提案する。 これは、E(3)-同変グラフニューラルネットワーク(EGNN)を用いて、原子環境(AE)埋め込みと残差レベルスコアリングタスクの両方で達成された。 この手順の即時的な成果を実演し、現状の欠点を議論し、将来的な戦略を浮き彫りにしている。
  論文  参考訳（メタデータ） (2023-05-30T14:48:06Z)
• DPST: De Novo Peptide Sequencing with Amino-Acid-Aware Transformers [11.527280359634524]
  デノボペプチドシークエンシングは、タンデム質量分析(MS)データからペプチドのアミノ酸配列を復元することを目的としている。 デノボ分析のための既存のアプローチは、推論中に全てのアミノ酸のクラスについてMSの証拠を列挙している。 我々のアプローチであるDPSTは、これらの制限を2つの重要なコンポーネントで回避する。
  論文  参考訳（メタデータ） (2022-03-23T08:01:06Z)

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。