論文の概要: GPCR-Filter: a deep learning framework for efficient and precise GPCR modulator discovery

• arxiv url: http://arxiv.org/abs/2601.19149v1
• Date: Tue, 27 Jan 2026 03:27:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-28 15:26:51.153638
• Title: GPCR-Filter: a deep learning framework for efficient and precise GPCR modulator discovery
• Title（参考訳）: GPCR-Filter: 効率的かつ高精度なGPCRモジュレータ発見のためのディープラーニングフレームワーク
• Authors: Jingjie Ning, Xiangzhen Shen, Li Hou, Shiyi Shen, Jiahao Yang, Junrui Li, Hong Shan, Sanan Wu, Sihan Gao, Huaqiang Eric Xu, Xinheng He,
• Abstract要約: Gタンパク質結合受容体(GPCR)は様々な生理的過程を制御し、現代の薬理学の中心である。 しかし、受容体の活性化は直接結合親和性よりも複雑なアロステリック効果から生じるため、GPCRモジュレータの発見は依然として困難である。 本稿では,GPCRモジュレータ発見のためのディープラーニングフレームワークであるGPCR-Filterを紹介する。
• 参考スコア（独自算出の注目度）: 6.750497008396561
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: G protein-coupled receptors (GPCRs) govern diverse physiological processes and are central to modern pharmacology. Yet discovering GPCR modulators remains challenging because receptor activation often arises from complex allosteric effects rather than direct binding affinity, and conventional assays are slow, costly, and not optimized for capturing these dynamics. Here we present GPCR-Filter, a deep learning framework specifically developed for GPCR modulator discovery. We assembled a high-quality dataset of over 90,000 experimentally validated GPCR-ligand pairs, providing a robust foundation for training and evaluation. GPCR-Filter integrates the ESM-3 protein language model for high-fidelity GPCR sequence representations with graph neural networks that encode ligand structures, coupled through an attention-based fusion mechanism that learns receptor-ligand functional relationships. Across multiple evaluation settings, GPCR-Filter consistently outperforms state-of-the-art compound-protein interaction models and exhibits strong generalization to unseen receptors and ligands. Notably, the model successfully identified micromolar-level agonists of the 5-HT\textsubscript{1A} receptor with distinct chemical frameworks. These results establish GPCR-Filter as a scalable and effective computational approach for GPCR modulator discovery, advancing AI-assisted drug development for complex signaling systems.
• Abstract（参考訳）: Gタンパク質結合受容体(GPCR)は様々な生理的過程を制御し、現代の薬理学の中心である。 しかし、受容体の活性化は直接結合親和性よりも複雑なアロステリック効果から生じることが多く、従来のアッセイは遅く、高価であり、これらのダイナミクスを捉えるために最適化されていないため、GPCRモジュレータの発見は依然として困難である。 本稿では,GPCRモジュレータ発見のためのディープラーニングフレームワークであるGPCR-Filterを紹介する。 我々は90,000以上の実験で検証されたGPCR-ligandペアからなる高品質なデータセットを組み立て、トレーニングと評価のための堅牢な基盤を提供した。 GPCR-Filterは、高忠実性GPCR配列表現のためのESM-3タンパク質言語モデルと、リガンド構造をコードするグラフニューラルネットワークを統合する。 複数の評価設定を通じて、GPCR-Filterは最先端の複合タンパク質相互作用モデルより一貫して優れ、目に見えない受容体やリガンドに対して強い一般化を示す。 特に, 5-HT\textsubscript{1A}受容体のマイクロモルレベルのアゴニストの同定に成功している。 これらの結果は、GPCRモジュレータ発見のためのスケーラブルで効果的な計算手法としてGPCR-Filterを確立し、複雑なシグナリングシステムのためのAI支援薬の開発を進めた。

関連論文リスト

• Transcriptome-Conditioned Personalized De Novo Drug Generation for AML Using Metaheuristic Assembly and Target-Driven Filtering [0.0]
  急性骨髄性白血病(AML)は、その極端な分子多様性と高い再発率のために、臨床上の課題である。 本稿では,患者固有の転写学とde novo薬物発見のギャップを埋める,新しいエンドツーエンドの計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-24T17:39:37Z)
• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• Enhancing TCR-Peptide Interaction Prediction with Pretrained Language Models and Molecular Representations [0.39945675027960637]
  本稿では,大規模タンパク質言語モデルとペプチドの化学表現を組み合わせたディープラーニングフレームワークLANTERNを提案する。 我々のモデルは、特にゼロショットと少数ショットの学習シナリオにおいて、優れたパフォーマンスを示す。 これらの結果は, LANTERNがTCR-pMHC結合予測を前進させ, パーソナライズされた免疫療法の開発を支援する可能性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-04-22T20:22:34Z)
• Wilsonian Renormalization of Neural Network Gaussian Processes [1.8749305679160366]
  本稿では,ガウス過程(GP)回帰の文脈でWilsonian RGを実行するための実践的アプローチを示す。 GPカーネルの未学習モードを体系的に統合し,データをIRスケールに設定したGPのRGフローを得る。 このアプローチは、RGフローと学習可能モードと学習不可能モードとの自然な接続を提供することによって、RGとニューラルネットワークの間の構造的な類似性を越えている。
  論文  参考訳（メタデータ） (2024-05-09T18:00:00Z)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• Weighted Ensembles for Active Learning with Adaptivity [60.84896785303314]
  本稿では,ラベル付きデータに漸進的に適応した重み付きGPモデルのアンサンブルについて述べる。 この新しいEGPモデルに基づいて、不確実性および不一致ルールに基づいて、一連の取得関数が出現する。 適応的に重み付けされたEGPベースの取得関数のアンサンブルも、さらなる性能向上のために導入されている。
  論文  参考訳（メタデータ） (2022-06-10T11:48:49Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Incremental Ensemble Gaussian Processes [53.3291389385672]
  本稿では,EGPメタラーナーがGP学習者のインクリメンタルアンサンブル(IE-) GPフレームワークを提案し,それぞれが所定のカーネル辞書に属するユニークなカーネルを持つ。 各GP専門家は、ランダムな特徴ベースの近似を利用してオンライン予測とモデル更新を行い、そのスケーラビリティを生かし、EGPメタラーナーはデータ適応重みを生かし、熟練者ごとの予測を合成する。 新たなIE-GPは、EGPメタラーナーおよび各GP学習者内における構造化力学をモデル化することにより、時間変化関数に対応するように一般化される。
  論文  参考訳（メタデータ） (2021-10-13T15:11:25Z)
• Complex-valued Federated Learning with Differential Privacy and MRI Applications [51.34714485616763]
  複雑な値を持つガウスのメカニズムを導入し、その振る舞いは$f$-DP、$(varepsilon, delta)$-DP、R'enyi-DPで特徴づけられる。 本稿では,DPと互換性のある複雑なニューラルネットワークプリミティブを提案する。 実験では,実世界の課題に対して,DPを用いた複合数値ニューラルネットワークを訓練することで概念実証を行う。
  論文  参考訳（メタデータ） (2021-10-07T14:03:00Z)

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。