論文の概要: Harnessing Hypergraphs in Geometric Deep Learning for 3D RNA Inverse Folding

• arxiv url: http://arxiv.org/abs/2512.03592v1
• Date: Wed, 03 Dec 2025 09:23:59 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 12:02:01.693695
• Title: Harnessing Hypergraphs in Geometric Deep Learning for 3D RNA Inverse Folding
• Title（参考訳）: 3次元RNA逆Foldingのための幾何学的深層学習におけるハイネシングハイパーグラフ
• Authors: Guang Yang, Lei Fan,
• Abstract要約: RNA設計における鍵となる課題は、望まれる二次構造に折り畳まれる配列を特定することである。 本稿では,ハイパーグラフを利用してRNA配列を設計するエンコーダデコーダアーキテクチャを用いた生成モデルであるHyperRNAを提案する。
• 参考スコア（独自算出の注目度）: 6.427350800991384
• License:
• Abstract: The RNA inverse folding problem, a key challenge in RNA design, involves identifying nucleotide sequences that can fold into desired secondary structures, which are critical for ensuring molecular stability and function. The inherent complexity of this task stems from the intricate relationship between sequence and structure, making it particularly challenging. In this paper, we propose a framework, named HyperRNA, a generative model with an encoder-decoder architecture that leverages hypergraphs to design RNA sequences. Specifically, our HyperRNA model consists of three main components: preprocessing, encoding and decoding. In the preprocessing stage, graph structures are constructed by extracting the atom coordinates of RNA backbone based on 3-bead coarse-grained representation. The encoding stage processes these graphs, capturing higher order dependencies and complex biomolecular interactions using an attention embedding module and a hypergraph-based encoder. Finally, the decoding stage generates the RNA sequence in an autoregressive manner. We conducted quantitative and qualitative experiments on the PDBBind and RNAsolo datasets to evaluate the inverse folding task for RNA sequence generation and RNA-protein complex sequence generation. The experimental results demonstrate that HyperRNA not only outperforms existing RNA design methods but also highlights the potential of leveraging hypergraphs in RNA engineering.
• Abstract（参考訳）: RNA逆フォールディング問題(RNAの逆フォールディング問題)は、RNA設計において重要な課題であり、分子の安定性と機能を保証するために重要な二次構造に折り畳むことができるヌクレオチド配列を特定することである。 このタスクの本質的な複雑さは、シーケンスと構造の間の複雑な関係から来ており、特に困難である。 本稿では,ハイパーグラフを利用してRNA配列を設計するエンコーダデコーダアーキテクチャを用いた生成モデルであるHyperRNAを提案する。 具体的には、HyperRNAモデルは、前処理、エンコーディング、デコードという3つの主要コンポーネントで構成されています。 前処理段階では、3つのビード粗粒度表現に基づいてRNAバックボーンの原子座標を抽出してグラフ構造を構築する。 エンコーディングステージはこれらのグラフを処理し、アテンション埋め込みモジュールとハイパーグラフベースのエンコーダを用いて高次依存関係と複雑な生体分子相互作用をキャプチャする。 最後に、デコードステージは自己回帰的にRNA配列を生成する。 PDBBindおよびRNAsoloデータセットの定量および定性実験を行い、RNA配列生成とRNA-タンパク質複合体配列生成の逆フォールディングタスクの評価を行った。 実験の結果、HyperRNAは既存のRNA設計手法よりも優れており、RNA工学におけるハイパーグラフの活用の可能性も強調されている。

関連論文リスト

• RNACG: A Universal RNA Sequence Conditional Generation model based on Flow-Matching [0.0]
  本稿では,フローマッチングに基づくRNA配列設計のための汎用フレームワークであるRNACG(RNA Generator)を提案する。 1つのフレームワークでシーケンス生成を統一することにより、RNACGは複数のRNA設計パラダイムの統合を可能にする。
  論文  参考訳（メタデータ） (2024-07-29T09:46:46Z)
• BEACON: Benchmark for Comprehensive RNA Tasks and Language Models [60.02663015002029]
  本稿では、最初の包括的なRNAベンチマークBEACON(textbfBEnchmtextbfArk for textbfCOmprehensive RtextbfNA Task and Language Models)を紹介する。 まずBEACONは、構造解析、機能研究、工学的応用を網羅した、これまでの広範囲にわたる研究から導かれた13のタスクから構成される。 第2に、CNNのような従来のアプローチや、言語モデルに基づく高度なRNA基盤モデルなど、さまざまなモデルについて検討し、これらのモデルのタスク固有のパフォーマンスに関する貴重な洞察を提供する。 第3に、重要なRNA言語モデルコンポーネントについて検討する。
  論文  参考訳（メタデータ） (2024-06-14T19:39:19Z)
• gRNAde: Geometric Deep Learning for 3D RNA inverse design [14.729049204432027]
  gRNAdeは3次元RNAバックボーンで動作する幾何学的RNA設計パイプラインである。 構造と力学を明示的に考慮したシーケンスを生成する。
  論文  参考訳（メタデータ） (2023-05-24T05:46:56Z)
• RDesign: Hierarchical Data-efficient Representation Learning for Tertiary Structure-based RNA Design [65.41144149958208]
  本研究では,データ駆動型RNA設計パイプラインを体系的に構築することを目的とする。 我々は、ベンチマークデータセットを作成し、複雑なRNA第三次構造を表現するための包括的な構造モデリングアプローチを設計した。 RNA設計プロセスを容易にするために,塩基対を持つ抽出二次構造体を事前知識として組み込んだ。
  論文  参考訳（メタデータ） (2023-01-25T17:19:49Z)
• Accurate RNA 3D structure prediction using a language model-based deep learning approach [50.193512039121984]
  RhoFold+はRNA言語モデルに基づくディープラーニング手法で、配列から単一鎖RNAの3次元構造を正確に予測する。 RhoFold+はRNA 3D構造予測のための完全に自動化されたエンドツーエンドパイプラインを提供する。
  論文  参考訳（メタデータ） (2022-07-04T17:15:35Z)

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。