論文の概要: EnzyControl: Adding Functional and Substrate-Specific Control for Enzyme Backbone Generation

• arxiv url: http://arxiv.org/abs/2510.25132v1
• Date: Wed, 29 Oct 2025 03:22:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-30 15:50:44.998632
• Title: EnzyControl: Adding Functional and Substrate-Specific Control for Enzyme Backbone Generation
• Title（参考訳）: EnzyControl: 酵素バックボーン生成のための機能および基質特異的制御
• Authors: Chao Song, Zhiyuan Liu, Han Huang, Liang Wang, Qiong Wang, Jianyu Shi, Hui Yu, Yihang Zhou, Yang Zhang,
• Abstract要約: 現在の生成モデルはタンパク質設計に優れているが、結合データ、基質特異的制御、デノボ酵素のバックボーン生成の柔軟性に制限がある。 本稿では,酵素のバックボーン生成における機能的および基質特異的制御を可能にするEnzyControlを提案する。 本手法は, MSA-アノテート触媒部位およびそれらの基質に条件付き酵素バックボーンを生成し, キュレートされた酵素基質データから自動的に抽出する。
• 参考スコア（独自算出の注目度）: 27.86567331220053
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Designing enzyme backbones with substrate-specific functionality is a critical challenge in computational protein engineering. Current generative models excel in protein design but face limitations in binding data, substrate-specific control, and flexibility for de novo enzyme backbone generation. To address this, we introduce EnzyBind, a dataset with 11,100 experimentally validated enzyme-substrate pairs specifically curated from PDBbind. Building on this, we propose EnzyControl, a method that enables functional and substrate-specific control in enzyme backbone generation. Our approach generates enzyme backbones conditioned on MSA-annotated catalytic sites and their corresponding substrates, which are automatically extracted from curated enzyme-substrate data. At the core of EnzyControl is EnzyAdapter, a lightweight, modular component integrated into a pretrained motif-scaffolding model, allowing it to become substrate-aware. A two-stage training paradigm further refines the model's ability to generate accurate and functional enzyme structures. Experiments show that our EnzyControl achieves the best performance across structural and functional metrics on EnzyBind and EnzyBench benchmarks, with particularly notable improvements of 13\% in designability and 13\% in catalytic efficiency compared to the baseline models. The code is released at https://github.com/Vecteur-libre/EnzyControl.
• Abstract（参考訳）: 基質特異的な機能を持つ酵素バックボーンの設計は、計算タンパク質工学において重要な課題である。 現在の生成モデルはタンパク質設計に優れているが、結合データ、基質特異的制御、デノボ酵素のバックボーン生成の柔軟性に制限がある。 この問題を解決するために、PDBbindから特別にキュレートされた酵素-基質ペア11,100のデータセットであるEnzyBindを紹介した。 そこで本研究では,酵素のバックボーン生成における機能的および基質特異的制御を可能にするEnzyControlを提案する。 本手法は, MSA-アノテート触媒部位およびそれらの基質に条件付き酵素バックボーンを生成し, 培養酵素-基質データから自動的に抽出する。 EnzyControlのコアとなるEnzyAdapterは、トレーニング済みモチーフ・スキャフォールディングモデルに統合された軽量でモジュラーなコンポーネントで、基質に認識できる。 2段階の訓練パラダイムにより、モデルが正確で機能的な酵素構造を生成する能力はさらに洗練される。 実験の結果, EnzyControlは, EnzyBindおよびEnzyBenchベンチマークにおいて, 構造的および機能的指標間で最高の性能を達成していることがわかった。 コードはhttps://github.com/Vecteur-libre/EnzyControlで公開されている。

関連論文リスト

• Multimodal Regression for Enzyme Turnover Rates Prediction [57.60697333734054]
  本稿では,酵素配列,基質構造,環境因子を統合することで,酵素の回転率を予測する枠組みを提案する。 我々のモデルは、事前訓練された言語モデルと畳み込みニューラルネットワークを組み合わせて、タンパク質配列から特徴を抽出する。 我々は、Kolmogorov-Arnold Networksを介して、酵素の回転率を管理する数学的公式を明示的に学習するために、シンボリックレグレッションを利用する。
  論文  参考訳（メタデータ） (2025-09-15T11:07:26Z)
• Protein Inverse Folding From Structure Feedback [78.27854221882572]
  本稿では,タンパク質の折りたたみモデルからのフィードバックを用いて,逆折りたたみモデルを微調整する手法を提案する。 CATH 4.2 テストセットの結果,DPO の微調整により平均 TM-Score が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2025-06-03T16:02:12Z)
• Reaction-conditioned De Novo Enzyme Design with GENzyme [64.14088142258498]
  textscGENzymeは、触媒反応を入力として、触媒ポケット、全酵素構造、酵素-基質結合複合体を生成する、テクスチドノボ酵素設計モデルである。 textscGENzymeは,(1)触媒ポケット生成および配列共設計モジュール,(2)ポケット塗布および酵素逆折り畳みモジュール,(3)酵素-基質複合体の最適化と予測のための結合およびスクリーニングモジュールを統合した,エンド・ツー・エンドの3段階モデルである。
  論文  参考訳（メタデータ） (2024-11-10T00:37:26Z)
• EnzymeFlow: Generating Reaction-specific Enzyme Catalytic Pockets through Flow Matching and Co-Evolutionary Dynamics [51.47520281819253]
  酵素設計はバイオテクノロジーにおいて重要な領域であり、医薬品開発から合成生物学まで幅広い応用がある。 酵素機能予測やタンパク質結合ポケット設計の伝統的な手法は、しばしば酵素-基質相互作用の動的および複雑な性質を捉えるのに不足する。 本稿では, 触媒ポケットを生成するために, 階層的事前学習と酵素-反応共進化を用いたフローマッチングを用いた生成モデルであるEnzymeFlowを紹介する。
  論文  参考訳（メタデータ） (2024-10-01T02:04:01Z)
• Generative Enzyme Design Guided by Functionally Important Sites and Small-Molecule Substrates [16.5169461287914]
  本稿では,酵素をすべての官能基にまたがって設計する統一モデルを学ぶためのアプローチであるEnzyGenを提案する。 我々のキーとなるアイデアは、酵素のアミノ酸配列とその3D座標を、所望の触媒機能に対応する機能的に重要な部位と基質に基づいて生成することである。
  論文  参考訳（メタデータ） (2024-05-13T21:48:48Z)
• DecompOpt: Controllable and Decomposed Diffusion Models for Structure-based Molecular Optimization [49.85944390503957]
  DecompOptは、制御可能・拡散モデルに基づく構造に基づく分子最適化手法である。 DecompOptは強いde novoベースラインよりも優れた特性を持つ分子を効率よく生成できることを示す。
  論文  参考訳（メタデータ） (2024-03-07T02:53:40Z)
• Controllable Text Generation with Neurally-Decomposed Oracle [91.18959622763055]
  我々はNeurAlly-Decomposed Oracle (NADO) を用いた自動回帰生成モデルを制御するフレームワークを提案する。 制御可能な生成のためのベースモデルにトークンレベルのガイダンスを組み込むためのクローズドフォーム最適解を提案する。
  論文  参考訳（メタデータ） (2022-05-27T20:17:53Z)

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。