論文の概要: Persistent Sheaf Laplacian Analysis of Protein Stability and Solubility Changes upon Mutation

• arxiv url: http://arxiv.org/abs/2601.12219v1
• Date: Sun, 18 Jan 2026 01:45:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.509735
• Title: Persistent Sheaf Laplacian Analysis of Protein Stability and Solubility Changes upon Mutation
• Title（参考訳）: 変異に伴うタンパク質の安定性と溶解度変化の持続的せん断ラプラシア解析
• Authors: Yiming Ren, Junjie Wee, Xi Chen, Grace Qian, Guo-Wei Wei,
• Abstract要約: SheafLapNetは、TDL(Topological Deep Learning)とPSL(Persistent Sheaf Laplacian)の数学的理論に基づく統合予測フレームワークである。 SheafLapNetは、進化したタンパク質トランスフォーマー特徴と補助的な物理的記述子と、せん断理論的不変性を相乗し、多スケールで機械的な方法で内在的な分子相互作用を捉える。
• 参考スコア（独自算出の注目度）: 8.065100433006615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Genetic mutations frequently disrupt protein structure, stability, and solubility, acting as primary drivers for a wide spectrum of diseases. Despite the critical importance of these molecular alterations, existing computational models often lack interpretability, and fail to integrate essential physicochemical interaction. To overcome these limitations, we propose SheafLapNet, a unified predictive framework grounded in the mathematical theory of Topological Deep Learning (TDL) and Persistent Sheaf Laplacian (PSL). Unlike standard Topological Data Analysis (TDA) tools such as persistent homology, which are often insensitive to heterogeneous information, PSL explicitly encodes specific physical and chemical information such as partial charges directly into the topological analysis. SheafLapNet synergizes these sheaf-theoretic invariants with advanced protein transformer features and auxiliary physical descriptors to capture intrinsic molecular interactions in a multiscale and mechanistic manner. To validate our framework, we employ rigorous benchmarks for both regression and classification tasks. For stability prediction, we utilize the comprehensive S2648 and S350 datasets. For solubility prediction, we employ the PON-Sol2 dataset, which provides annotations for increased, decreased, or neutral solubility changes. By integrating these multi-perspective features, SheafLapNet achieves state-of-the-art performance across these diverse benchmarks, demonstrating that sheaf-theoretic modeling significantly enhances both interpretability and generalizability in predicting mutation-induced structural and functional changes.
• Abstract（参考訳）: 遺伝子変異はタンパク質の構造、安定性、溶解性をしばしば破壊し、幅広い病気の原動力となる。 これらの分子の変化が重要であるにもかかわらず、既存の計算モデルは解釈可能性に欠け、重要な物理化学的相互作用を統合できない。 これらの制約を克服するために,TDL(Topological Deep Learning)とPSL(Persistent Sheaf Laplacian)の数学的理論に基づく統合予測フレームワークであるSheafLapNetを提案する。 恒常的ホモロジーのような標準的なトポロジデータ解析(TDA)ツールとは異なり、PSLはトポロジ解析に直接、部分電荷などの特定の物理的および化学的情報をエンコードする。 SheafLapNetは、これらのせん断理論不変を高度なタンパク質トランスフォーマー特徴と補助的な物理的記述子と相乗し、多スケールで機械的な方法で本質的な分子相互作用を捉える。 我々のフレームワークを検証するために、回帰と分類の両方に厳密なベンチマークを採用している。 安定性予測には総合的なS2648データセットとS350データセットを用いる。 溶解度予測にはPON-Sol2データセットを用いる。 これらのマルチパースペクティブ機能を統合することで、SheafLapNetはこれらの様々なベンチマークで最先端のパフォーマンスを達成し、変異によって引き起こされる構造的および機能的変化を予測する際の解釈可能性と一般化性の両方を大幅に向上させることを示した。

関連論文リスト

• Dynamics-inspired Structure Hallucination for Protein-protein Interaction Modeling [60.57197355431804]
  タンパク質とタンパク質の相互作用 (PPI) は生物学の中心的な課題である。 深層学習は、このような変異の影響を予測することは約束されているが、2つの主要な制約によって妨げられている。 本稿では,Refine-PPIという新しいフレームワークについて述べる。
  論文  参考訳（メタデータ） (2026-01-08T19:29:04Z)
• SIGMA: Scalable Spectral Insights for LLM Collapse [51.863164847253366]
  SIGMA(Spectral Inequalities for Gram Matrix Analysis)は,モデル崩壊のための統一的なフレームワークである。 行列のスペクトル上の決定論的境界を導出するベンチマークを利用することで、SIGMAは表現空間の収縮を追跡するために数学的に基底化された計量を提供する。 我々は、SIGMAが状態への遷移を効果的に捉え、崩壊のメカニズムに関する理論的知見の両方を提供することを示した。
  論文  参考訳（メタデータ） (2026-01-06T19:47:11Z)
• Importance of localized dilatation and distensibility in identifying determinants of thoracic aortic aneurysm with neural operators [0.12491670910781398]
  胸部大動脈瘤(TAA)は,大動脈壁への機械的・機械的破壊から生じる。 ここでは、有限要素フレームワークを用いて、数百の異種侮辱から合成TAAを生成する。 局所的な拡張と拡張性の空間マップを構築し、ニューラルネットワークをトレーニングし、組み合わせた侮辱の開始を予測する。
  論文  参考訳（メタデータ） (2025-09-30T17:34:59Z)
• DISPROTBENCH: A Disorder-Aware, Task-Rich Benchmark for Evaluating Protein Structure Prediction in Realistic Biological Contexts [76.59606029593085]
  DisProtBenchは、構造障害および複雑な生物学的条件下でタンパク質構造予測モデル(PSPM)を評価するためのベンチマークである。 DisProtBenchはデータの複雑さ、タスクの多様性、解釈可能性という3つの重要な軸にまたがっている。 その結果,機能的予測障害と相関する低信頼領域を有する障害下でのモデルロバスト性に有意な変動が認められた。
  論文  参考訳（メタデータ） (2025-06-18T23:58:22Z)
• JanusDDG: A Thermodynamics-Compliant Model for Sequence-Based Protein Stability via Two-Fronts Multi-Head Attention [0.0]
  残基の変化がタンパク質の安定性にどのように影響するかを理解することは 機能的なタンパク質を設計するのに重要である。 タンパク質言語モデル(PLM)の最近の進歩は、計算タンパク質分析に革命をもたらした。 我々は PLM 由来の埋め込みと双方向のクロスアテンショントランスフォーマアーキテクチャを利用するディープラーニングフレームワーク JanusDDG を紹介する。
  論文  参考訳（メタデータ） (2025-04-04T09:02:32Z)
• GENERator: A Long-Context Generative Genomic Foundation Model [66.46537421135996]
  本稿では,98k塩基対 (bp) と1.2Bパラメータからなるゲノム基盤モデル GENERator を提案する。 DNAの386Bbpからなる拡張データセットに基づいて、GENERatorは、確立されたベンチマークと新しく提案されたベンチマークの両方で最先端のパフォーマンスを実証する。 また、特に特定のアクティビティプロファイルを持つエンハンサーシーケンスを即応的に生成することで、シーケンス最適化において大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2025-02-11T05:39:49Z)
• SPIN: SE(3)-Invariant Physics Informed Network for Binding Affinity Prediction [3.406882192023597]
  タンパク質-リガンド結合親和性の正確な予測は、薬物開発に不可欠である。 伝統的な手法は、しばしば複合体の空間情報を正確にモデル化するのに失敗する。 この課題に適用可能な様々な帰納バイアスを組み込んだモデルSPINを提案する。
  論文  参考訳（メタデータ） (2024-07-10T08:40:07Z)
• Protein binding affinity prediction under multiple substitutions applying eGNNs on Residue and Atomic graphs combined with Language model information: eGRAL [1.840390797252648]
  ディープラーニングは、シリコン内予測と生体内観測のギャップを埋めることのできる強力なツールとして、ますます認識されている。 タンパク質複合体中のアミノ酸置換物からの結合親和性変化を予測するための新しいグラフニューラルネットワークアーキテクチャであるeGRALを提案する。 eGralは、タンパク質の大規模言語モデルから抽出された特徴のおかげで、残基、原子スケール、進化スケールを利用する。
  論文  参考訳（メタデータ） (2024-05-03T10:33:19Z)
• Efficiently Predicting Protein Stability Changes Upon Single-point Mutation with Large Language Models [51.57843608615827]
  タンパク質の熱安定性を正確に予測する能力は、様々なサブフィールドや生化学への応用において重要である。 タンパク質配列と構造的特徴を統合したESMによる効率的なアプローチを導入し, 単一点突然変異によるタンパク質の熱安定性変化を予測する。
  論文  参考訳（メタデータ） (2023-12-07T03:25:49Z)
• From Peptides to Nanostructures: A Euclidean Transformer for Fast and Stable Machine Learned Force Fields [5.013279299982324]
  本稿では,疎等式表現と自己注意機構を組み合わせたSO3kratesというトランスフォーマーアーキテクチャを提案する。 SO3kratesは精度、安定性、速度の独特な組み合わせを実現し、拡張時間とシステムサイズスケールでの物質の量子特性の洞察に富んだ分析を可能にする。
  論文  参考訳（メタデータ） (2023-09-21T09:22:05Z)
• A Causal Framework for Decomposing Spurious Variations [68.12191782657437]
  我々はマルコフモデルとセミマルコフモデルの急激な変分を分解するツールを開発する。 突発効果の非パラメトリック分解を可能にする最初の結果を証明する。 説明可能なAIや公平なAIから、疫学や医学における疑問まで、いくつかの応用がある。
  論文  参考訳（メタデータ） (2023-06-08T09:40:28Z)

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。