論文の概要: Bayes-PD: Exploring a Sequence to Binding Bayesian Neural Network model trained on Phage Display data

• arxiv url: http://arxiv.org/abs/2601.03930v1
• Date: Wed, 07 Jan 2026 13:49:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-08 18:12:46.204264
• Title: Bayes-PD: Exploring a Sequence to Binding Bayesian Neural Network model trained on Phage Display data
• Title（参考訳）: Bayes-PD:ファージディスプレイデータに基づく結合ベイズニューラルネットワークモデルの探索
• Authors: Ilann Amiaud-Plachy, Michael Blank, Oliver Bent, Sebastien Boyer,
• Abstract要約: タンパク質設計のためのディープラーニングモデルと併用したデータのアンダーユース化は、高い実験ノイズレベルとデータ前処理の複雑な性質に起因する可能性がある。 本稿では, ファジディスプレイ実験とその関連雑音をシミュレートするために, トレーニングループ内でベイズニューラルネットワークを利用する新しい手法を提案する。 我々の目標は、実験ノイズとモデル不確実性を理解することによって、そのようなモデルの信頼性の高い応用がファージディスプレイ実験を確実に解釈できるかどうかを調査することである。
• 参考スコア（独自算出の注目度）: 0.4999814847776097
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Phage display is a powerful laboratory technique used to study the interactions between proteins and other molecules, whether other proteins, peptides, DNA or RNA. The under-utilisation of this data in conjunction with deep learning models for protein design may be attributed to; high experimental noise levels; the complex nature of data pre-processing; and difficulty interpreting these experimental results. In this work, we propose a novel approach utilising a Bayesian Neural Network within a training loop, in order to simulate the phage display experiment and its associated noise. Our goal is to investigate how understanding the experimental noise and model uncertainty can enable the reliable application of such models to reliably interpret phage display experiments. We validate our approach using actual binding affinity measurements instead of relying solely on proxy values derived from 'held-out' phage display rounds.
• Abstract（参考訳）: ファージディスプレイは、タンパク質と他の分子、他のタンパク質、ペプチド、DNA、RNAの相互作用を研究するために使用される強力な実験室技術である。 タンパク質設計のための深層学習モデルと組み合わせて、このデータの未利用は、高い実験ノイズレベル、データ前処理の複雑な性質、これらの実験結果の解釈が難しいことに起因する可能性がある。 本研究では,フェージディスプレイ実験とその関連ノイズをシミュレートするために,トレーニングループ内でベイズニューラルネットワークを利用する新しいアプローチを提案する。 我々の目標は、実験ノイズとモデル不確実性を理解することによって、そのようなモデルの信頼性の高い応用がファージディスプレイ実験を確実に解釈できるかどうかを調査することである。 我々は,「保留」ファージ表示ラウンドから得られるプロキシ値のみに頼るのではなく,実際の結合親和性測定を用いてアプローチを検証する。

関連論文リスト

• On the Interpolation Effect of Score Smoothing in Diffusion Models [12.335698325757493]
  このような創造性は経験的スコア関数の滑らか化による影響から生じるという仮説を考察する。 理論的には、正規化された2層ReLUニューラルネットワークが、経験的スコア関数の約1つのスムーズなバージョンを学習する傾向を示す。 本稿では,ニューラルネットワークを用いた学習スコア関数が,実際にスコアスムーシング効果を誘導することを示す。
  論文  参考訳（メタデータ） (2025-02-26T19:04:01Z)
• From Fake to Real: Pretraining on Balanced Synthetic Images to Prevent Spurious Correlations in Image Recognition [64.59093444558549]
  我々はFrom Fake to Realと呼ぶシンプルで簡単に実装できる2段階のトレーニングパイプラインを提案する。 実データと合成データを別々にトレーニングすることで、FFRは実データと合成データの統計的差異にモデルを公開しない。 実験の結果,FFRは3つのデータセットに対して,最先端のグループ精度を最大20%向上させることがわかった。
  論文  参考訳（メタデータ） (2023-08-08T19:52:28Z)
• Moving beyond simulation: data-driven quantitative photoacoustic imaging using tissue-mimicking phantoms [1.5006258585503878]
  実験的に良好な画像ファントムとそのデジタル双生児のコレクションを紹介する。 この第1種ファントムデータセットは、吸収係数のピクセルワイズ推定のための実験データに基づくU-Netの教師付きトレーニングを可能にする。 シミュレーションデータによるトレーニングは, シミュレーションと実験の間の領域ギャップを補強し, 評価の成果とバイアスをもたらすことを示す。
  論文  参考訳（メタデータ） (2023-06-11T19:12:30Z)
• Linking data separation, visual separation, and classifier performance using pseudo-labeling by contrastive learning [125.99533416395765]
  最終分類器の性能は、潜在空間に存在するデータ分離と、射影に存在する視覚的分離に依存すると論じる。 本研究は,ヒト腸管寄生虫の5つの現実的課題の画像データセットを1%の教師付きサンプルで分類し,その結果を実証する。
  論文  参考訳（メタデータ） (2023-02-06T10:01:38Z)
• Implicit Geometry and Interaction Embeddings Improve Few-Shot Molecular Property Prediction [53.06671763877109]
  我々は, 複雑な分子特性を符号化した分子埋め込みを開発し, 数発の分子特性予測の性能を向上させる。 我々の手法は大量の合成データ、すなわち分子ドッキング計算の結果を利用する。 複数の分子特性予測ベンチマークでは、埋め込み空間からのトレーニングにより、マルチタスク、MAML、プロトタイプラーニング性能が大幅に向上する。
  論文  参考訳（メタデータ） (2023-02-04T01:32:40Z)
• A Robust Backpropagation-Free Framework for Images [47.97322346441165]
  画像データに対するエラーカーネル駆動型アクティベーションアライメントアルゴリズムを提案する。 EKDAAは、ローカルに派生したエラー送信カーネルとエラーマップを導入することで達成される。 結果は、識別不能なアクティベーション機能を利用するEKDAAトレーニングCNNに対して提示される。
  論文  参考訳（メタデータ） (2022-06-03T21:14:10Z)
• Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
  Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。 能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。 その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
  論文  参考訳（メタデータ） (2021-06-05T01:31:51Z)
• Inference of cell dynamics on perturbation data using adjoint sensitivity [4.606583317143614]
  データ駆動型細胞生物学のダイナミックモデルを用いて、目に見えない摂動に対する細胞の反応を予測することができる。 最近の研究は、明示的な相互作用項を持つ解釈可能なモデルの導出を実証した。 本研究は,このモデル推論手法の適用範囲を生物システムの多様性に拡張することを目的としている。
  論文  参考訳（メタデータ） (2021-04-13T19:15:56Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Bayesian neural network with pretrained protein embedding enhances prediction accuracy of drug-protein interaction [3.499870393443268]
  ディープラーニングのアプローチは、人間による試行錯誤なしに薬物とタンパク質の相互作用を予測できる。 本稿では,小さなラベル付きデータセットで優れた性能を示すディープラーニングフレームワークを構築するための2つの手法を提案する。
  論文  参考訳（メタデータ） (2020-12-15T10:24:34Z)
• Evaluation of synthetic and experimental training data in supervised machine learning applied to charge state detection of quantum dots [0.0]
  シミュレーションおよび実験データに基づいて学習した機械学習モデルの予測精度を評価する。 分類器は、純粋に実験的なデータと、合成訓練データと実験訓練データの組み合わせの両方で最適であることがわかった。
  論文  参考訳（メタデータ） (2020-05-16T23:41:31Z)

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。