論文の概要: Surface-based Molecular Design with Multi-modal Flow Matching

• arxiv url: http://arxiv.org/abs/2601.04506v1
• Date: Thu, 08 Jan 2026 02:19:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:52.986624
• Title: Surface-based Molecular Design with Multi-modal Flow Matching
• Title（参考訳）: マルチモーダルフローマッチングによる表面分子設計
• Authors: Fang Wu, Zhengyuan Zhou, Shuting Jin, Xiangxiang Zeng, Jure Leskovec, Jinbo Xu,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 64.00572241268597
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Therapeutic peptides show promise in targeting previously undruggable binding sites, with recent advancements in deep generative models enabling full-atom peptide co-design for specific protein receptors. However, the critical role of molecular surfaces in protein-protein interactions (PPIs) has been underexplored. To bridge this gap, we propose an omni-design peptides generation paradigm, called SurfFlow, a novel surface-based generative algorithm that enables comprehensive co-design of sequence, structure, and surface for peptides. SurfFlow employs a multi-modality conditional flow matching (CFM) architecture to learn distributions of surface geometries and biochemical properties, enhancing peptide binding accuracy. Evaluated on the comprehensive PepMerge benchmark, SurfFlow consistently outperforms full-atom baselines across all metrics. These results highlight the advantages of considering molecular surfaces in de novo peptide discovery and demonstrate the potential of integrating multiple protein modalities for more effective therapeutic peptide discovery.
• Abstract（参考訳）: 治療ペプチドは、タンパク質受容体に対する全原子ペプチドの共設計を可能にする深層生成モデルで近年進歩している。 しかし、タンパク質-タンパク質相互作用(PPI)における分子表面の役割は過小評価されている。 このギャップを埋めるために、我々はSurfFlowと呼ばれる、ペプチドの配列、構造、表面の包括的共設計を可能にする新しい表面ベース生成アルゴリズムを提案する。 SurfFlowは、表面ジオメトリーと生化学的性質の分布を学習し、ペプチド結合の精度を高めるために、マルチモーダル条件付きフローマッチング(CFM)アーキテクチャを採用している。 包括的なPepMergeベンチマークに基づいて評価すると、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。 これらの結果は、デノボペプチド発見における分子表面の検討の利点を強調し、より効果的な治療ペプチド発見のために複数のタンパク質モダリティを統合する可能性を示した。

関連論文リスト

• 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)
• MeToken: Uniform Micro-environment Token Boosts Post-Translational Modification Prediction [65.33218256339151]
  翻訳後修飾(PTM)はプロテオームの複雑さと機能を大幅に拡張する。 既存の計算手法は主に、配列依存的なモチーフの認識によって引き起こされる、PTM部位を予測するタンパク質配列に焦点を当てている。 本稿では,各酸のマイクロ環境をトークン化し,シーケンス情報と構造情報を統一された離散トークンに統合するMeTokenモデルを提案する。
  論文  参考訳（メタデータ） (2024-11-04T07:14:28Z)
• Full-Atom Peptide Design based on Multi-modal Flow Matching [32.58558711545861]
  フル原子ペプチドの設計のためのフローマッチングフレームワークを基盤とした,最初のマルチモーダル深層生成モデルであるPepFlowについて述べる。 高次元トーラス上で,$mathrmSE(3)$多様体内の剛性バックボーンフレームと側鎖角を用いてペプチド構造を特徴付ける。 提案手法は,固定バックボーンシーケンス設計や部分サンプリングによるサイドチェーンパッキングなど,様々なタスクに順応的に取り組む。
  論文  参考訳（メタデータ） (2024-06-02T12:59:54Z)
• 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)
• State-specific protein-ligand complex structure prediction with a multi-scale deep generative model [68.28309982199902]
  タンパク質-リガンド複合体構造を直接予測できる計算手法であるNeuralPLexerを提案する。 我々の研究は、データ駆動型アプローチがタンパク質と小分子の構造的協調性を捉え、酵素や薬物分子などの設計を加速させる可能性を示唆している。
  論文  参考訳（メタデータ） (2022-09-30T01:46:38Z)

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。