論文の概要: Molecular Embedding-Based Algorithm Selection in Protein-Ligand Docking

• arxiv url: http://arxiv.org/abs/2512.02328v1
• Date: Tue, 02 Dec 2025 01:49:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.678459
• Title: Molecular Embedding-Based Algorithm Selection in Protein-Ligand Docking
• Title（参考訳）: タンパク質-リガンドドッキングにおける分子包接型アルゴリズムの選択
• Authors: Jiabao Brad Wang, Siyuan Cao, Hongxuan Wu, Yiliang Yuan, Mustafa Misir,
• Abstract要約: MolASは、事前訓練されたタンパク質-リガンドの埋め込みからアルゴリズムごとの性能を予測する軽量なアルゴリズムである。 数百から数千のラベル付き錯体しか持たないため、Molasはシングルベストの解法よりも15%の絶対的な改善を達成できる。
• 参考スコア（独自算出の注目度）: 5.313085467302315
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Selecting an effective docking algorithm is highly context-dependent, and no single method performs reliably across structural, chemical, or protocol regimes. We introduce MolAS, a lightweight algorithm selection system that predicts per-algorithm performance from pretrained protein-ligand embeddings using attentional pooling and a shallow residual decoder. With only hundreds to a few thousand labelled complexes, MolAS achieves up to 15% absolute improvement over the single-best solver (SBS) and closes 17-66% of the Virtual Best Solver (VBS)-SBS gap across five diverse docking benchmarks. Analyses of reliability, embedding geometry, and solver-selection patterns show that MolAS succeeds when the oracle landscape exhibits low entropy and separable solver behaviour, but collapses under protocol-induced hierarchy shifts. These findings indicate that the main barrier to robust docking AS is not representational capacity but instability in solver rankings across pose-generation regimes, positioning MolAS as both a practical in-domain selector and a diagnostic tool for assessing when AS is feasible.
• Abstract（参考訳）: 効果的なドッキングアルゴリズムの選択は文脈に依存しており、構造的、化学的、あるいはプロトコル的に確実に機能する手法は存在しない。 注目プーリングと浅い残留復号器を用いた事前学習タンパク質-リガンド埋め込みからアルゴリズムごとの性能を予測する軽量なアルゴリズム選択システムであるMolasを紹介した。 数百から数千のラベル付き錯体しか持たず、単一のベストソルバー(SBS)よりも15%の絶対的な改善を達成し、5つのドッキングベンチマークで仮想ベストソルバー(VBS)-SBSギャップの17-66%を閉じる。 信頼性, 埋め込み幾何, ソルバ選択パターンの解析により, オラクルランドスケープが低エントロピーかつ分離可能なソルバ挙動を示すが, プロトコルによって引き起こされる階層シフトの下で崩壊することを示す。 これらの結果から,ASのロバストドッキングに対する主な障壁は表現能力ではなく,ポーズ世代間における解決者のランク付けの不安定性であり,MASTを実用的なドメイン内セレクタとして位置づけ,ASがいつ可能かを評価するための診断ツールとして位置づけた。

関連論文リスト

• EvoPS: Evolutionary Patch Selection for Whole Slide Image Analysis in Computational Pathology [0.0]
  マルチオブジェクト最適化問題としてパッチ選択を定式化する新しいフレームワークであるEvoPSを提案する。 The Cancer Genome Atlasの4つの主要ながんコホートにまたがって、我々の枠組みを検証した。
  論文  参考訳（メタデータ） (2025-11-10T19:07:44Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)
• Online POMDP Planning with Anytime Deterministic Optimality Guarantees [13.824288326240927]
  近似解と最適解の間の離散POMDPに対する決定論的関係を導出する。 我々の導出は、新しいアルゴリズムセットの道を提供し、既存のアルゴリズムにアタッチできることを示します。
  論文  参考訳（メタデータ） (2023-10-03T04:40:38Z)
• Monte-Carlo Search for an Equilibrium in Dec-POMDPs [11.726372393432195]
  分散化された部分的に観測可能なマルコフ決定プロセス(Dec-POMDP)は、協調エージェントのグループに対する個々のコントローラの問題を形式化する。 ナッシュ均衡(各エージェント政策が、他のエージェントにとって最良の反応)を求めることは、よりアクセスしやすくなっている。 提案手法は,Dec-POMDPの生成モデル(シミュレータ)のみが利用可能である場合に適応可能であることを示す。
  論文  参考訳（メタデータ） (2023-05-19T16:47:46Z)
• Factorization of Multi-Agent Sampling-Based Motion Planning [72.42734061131569]
  現代のロボティクスは、共有環境内で複数のエンボディエージェントを動作させることが多い。 標準的なサンプリングベースのアルゴリズムは、ロボットの関節空間における解の探索に使用できる。 我々は、因子化の概念をサンプリングベースアルゴリズムに統合し、既存の手法への最小限の変更しか必要としない。 本稿では, PRM* のサンプル複雑性の観点から解析的ゲインを導出し, RRG の実証結果を示す。
  論文  参考訳（メタデータ） (2023-04-01T15:50:18Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)
• Search What You Want: Barrier Panelty NAS for Mixed Precision Quantization [51.26579110596767]
  混合精度量子化のための新しいバリアペナルティベースNAS(BP-NAS)を提案する。 BP-NASは、分類(Cifar-10, ImageNet)と検出(COCO)の両方に基づいて芸術の新たな状態を設定する
  論文  参考訳（メタデータ） (2020-07-20T12:00:48Z)
• Distributed, partially collapsed MCMC for Bayesian Nonparametrics [68.5279360794418]
  ディリクレ法やベータ・ベルヌーリ法のようなモデルでよく用いられる完全無作為測度は独立な部分測度に分解可能であるという事実を利用する。 この分解を用いて、潜在測度を、インスタンス化された成分のみを含む有限測度と、他のすべての成分を含む無限測度に分割する。 得られたハイブリッドアルゴリズムは、収束保証を犠牲にすることなくスケーラブルな推論を可能にすることができる。
  論文  参考訳（メタデータ） (2020-01-15T23:10:13Z)

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。