論文の概要: Generative design and validation of therapeutic peptides for glioblastoma based on a potential target ATP5A

• arxiv url: http://arxiv.org/abs/2512.02030v1
• Date: Wed, 19 Nov 2025 11:17:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.420632
• Title: Generative design and validation of therapeutic peptides for glioblastoma based on a potential target ATP5A
• Title（参考訳）: ATP5Aを標的としたグリオ芽腫治療ペプチドの創製と評価
• Authors: Hao Qian, Pu You, Lin Zeng, Jingyuan Zhou, Dengdeng Huang, Kaicheng Li, Shikui Tu, Lei Xu,
• Abstract要約: 本稿では、ATP5Aを標的とするペプチドを最適化するために、生成モデリングと実験的検証を組み合わせたフレームワークを提案する。 最初の鉛ペプチド条件のフローマッチングモデルとして、POTFlowは治療ペプチド設計のための一般化可能なフレームワークとして強力なポテンシャルを持っている。
• 参考スコア（独自算出の注目度）: 13.133911733817563
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Glioblastoma (GBM) remains the most aggressive tumor, urgently requiring novel therapeutic strategies. Here, we present a dry-to-wet framework combining generative modeling and experimental validation to optimize peptides targeting ATP5A, a potential peptide-binding protein for GBM. Our framework introduces the first lead-conditioned generative model, which focuses exploration on geometrically relevant regions around lead peptides and mitigates the combinatorial complexity of de novo methods. Specifically, we propose POTFlow, a \underline{P}rior and \underline{O}ptimal \underline{T}ransport-based \underline{Flow}-matching model for peptide optimization. POTFlow employs secondary structure information (e.g., helix, sheet, loop) as geometric constraints, which are further refined by optimal transport to produce shorter flow paths. With this design, our method achieves state-of-the-art performance compared with five popular approaches. When applied to GBM, our method generates peptides that selectively inhibit cell viability and significantly prolong survival in a patient-derived xenograft (PDX) model. As the first lead peptide-conditioned flow matching model, POTFlow holds strong potential as a generalizable framework for therapeutic peptide design.
• Abstract（参考訳）: Glioblastoma (GBM) が最も攻撃的な腫瘍であり,新たな治療戦略が必要である。 本稿では,GBMのペプチド結合タンパク質であるATP5Aを標的とするペプチドを,生成モデルと実験的検証を組み合わせたドライ・トゥ・ウェット・フレームワークを提案する。 本フレームワークでは,鉛ペプチド周辺の幾何学的関連領域を探索し,デノボ法の組合せ複雑性を緩和する最初の鉛条件生成モデルを提案する。 具体的には、ペプチド最適化のためのPOTFlow, a \underline{P}rior and \underline{O}ptimal \underline{T}ransport-based \underline{Flow}-matching modelを提案する。 POTFlowは、幾何学的制約として二次構造情報(例えば、ヘリックス、シート、ループ)を使用し、より短い流れ経路を生成するために最適な輸送によってさらに洗練される。 提案手法は,5つの一般的な手法と比較して,最先端の性能を実現する。 GBMに適用すると,患者由来のXenograft(PDX)モデルにおいて,細胞生存性を選択的に抑制し,生存を著しく延長するペプチドが生成される。 最初の鉛ペプチド条件のフローマッチングモデルとして、POTFlowは治療ペプチド設計のための一般化可能なフレームワークとして強力なポテンシャルを持っている。

関連論文リスト

• MuCO: Generative Peptide Cyclization Empowered by Multi-stage Conformation Optimization [30.75292632688159]
  本稿では, 対応するリニアペプチドに条件付き環状ペプチド配座の分布をモデル化した生成ペプチド環化法を提案する。 MuCOはペプチド環化タスクを、トポロジーを意識したバックボーン設計、生成側鎖パッキング、物理を意識した全原子最適化の3段階に分解する。 大規模CPSeaデータセットの実験により、MuCOは物理的安定性、構造的多様性、二次構造回復、計算効率において、最先端の手法を大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2026-01-30T10:02:15Z)
• Surface-based Molecular Design with Multi-modal Flow Matching [64.00572241268597]
  SurfFlowは、ペプチドの配列、構造、表面の包括的な共設計を可能にする、新しい表面ベースの生成アルゴリズムである。 包括的なPepMergeベンチマークで評価すると、SurfFlowはすべてのメトリクスで一貫して全原子ベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-01-08T02:19:29Z)
• Zero-Shot Cyclic Peptide Design via Composable Geometric Constraints [65.77915791312634]
  ゼロショットサイクリックペプチド生成を可能にする新しい生成フレームワークであるCP-Composerを提案する。 提案手法では, 複雑な循環パターンを単位制約に分解し, 拡散モデルに組み込む。 線形ペプチドの訓練にもかかわらず, 標的結合型環状ペプチドを多種に生成し, 成功率は38%から84%である。
  論文  参考訳（メタデータ） (2025-07-06T03:30:45Z)
• 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)
• CreoPep: A Universal Deep Learning Framework for Target-Specific Peptide Design and Optimization [19.795752582745397]
  コノトキシンのような標的特異的ペプチドは、イオンチャネルや受容体に対する例外的な結合親和性と選択性を示す。 本稿では, プログレッシブマスキング手法とマスク言語モデリングを統合し, 高親和性ペプチド変異体を設計する, 深層学習に基づく条件生成フレームワークであるCreoPepについて述べる。 ニコチン性アセチルコリン受容体を標的としたコノトキシン阻害剤を設計し, 電気生理学的試験においてサブミクロモル活性を達成することにより, このアプローチを検証した。
  論文  参考訳（メタデータ） (2025-05-05T15:56:39Z)
• THFlow: A Temporally Hierarchical Flow Matching Framework for 3D Peptide Design [14.436723124352817]
  多モーダル時間的不整合問題は、低結合性生成ペプチドに寄与する重要な因子である。 本稿では,ペプチドの位置とコンフォーメーションの時間的階層を明示的にモデル化するフローベース生成モデルを提案する。 THFlowは、安定性、親和性、多様性に優れたペプチドを生成する既存の方法よりも優れている。
  論文  参考訳（メタデータ） (2025-02-21T06:49:49Z)
• PPFlow: Target-aware Peptide Design with Torsional Flow Matching [52.567714059931646]
  ペプチド構造設計のためのねじれ角の内部構造をモデル化するために,textscPPFlowと呼ばれるターゲット認識型ペプチド設計手法を提案する。 さらに, PPBench2024というタンパク質-ペプチド結合データセットを構築した。
  論文  参考訳（メタデータ） (2024-03-05T13:26:42Z)
• Efficient Prediction of Peptide Self-assembly through Sequential and Graphical Encoding [57.89530563948755]
  この研究は、高度なディープラーニングモデルを用いたペプチドエンコーディングのベンチマーク分析を提供する。 等電点や水和自由エネルギーなど、幅広いペプチド関連予測のガイドとして機能する。
  論文  参考訳（メタデータ） (2023-07-17T00:43:33Z)
• EBM-Fold: Fully-Differentiable Protein Folding Powered by Energy-based Models [53.17320541056843]
  本研究では,データ駆動型生成ネットワークを用いたタンパク質構造最適化手法を提案する。 EBM-Foldアプローチは,従来のロゼッタ構造最適化ルーチンと比較して,高品質なデコイを効率よく生成できる。
  論文  参考訳（メタデータ） (2021-05-11T03:40:29Z)

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。