論文の概要: Conditionally Site-Independent Neural Evolution of Antibody Sequences
- arxiv url: http://arxiv.org/abs/2602.18982v1
- Date: Sat, 21 Feb 2026 23:23:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-24 17:42:02.428742
- Title: Conditionally Site-Independent Neural Evolution of Antibody Sequences
- Title（参考訳）: 条件付きサイト非依存型抗体配列の神経進化
- Authors: Stephen Zhewen Lu, Aakarsh Vermani, Kohei Sanno, Jiarui Lu, Frederick A Matsen, Milind Jagota, Yun S. Song,
- Abstract要約: 我々は、ディープニューラルネットワークによってパラメータ化された連続時間マルコフ連鎖であるCoSiNEを紹介する。
我々は,CoSiNEが抽出可能な逐次点突然変異過程に一階近似を与えることを証明した。
実証的には、CoSiNEはゼロショット変量効果予測において最先端の言語モデルより優れている。
- 参考スコア（独自算出の注目度）: 5.267260830624825
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Common deep learning approaches for antibody engineering focus on modeling the marginal distribution of sequences. By treating sequences as independent samples, however, these methods overlook affinity maturation as a rich and largely untapped source of information about the evolutionary process by which antibodies explore the underlying fitness landscape. In contrast, classical phylogenetic models explicitly represent evolutionary dynamics but lack the expressivity to capture complex epistatic interactions. We bridge this gap with CoSiNE, a continuous-time Markov chain parameterized by a deep neural network. Mathematically, we prove that CoSiNE provides a first-order approximation to the intractable sequential point mutation process, capturing epistatic effects with an error bound that is quadratic in branch length. Empirically, CoSiNE outperforms state-of-the-art language models in zero-shot variant effect prediction by explicitly disentangling selection from context-dependent somatic hypermutation. Finally, we introduce Guided Gillespie, a classifier-guided sampling scheme that steers CoSiNE at inference time, enabling efficient optimization of antibody binding affinity toward specific antigens.
- Abstract（参考訳）: 抗体工学のための一般的なディープラーニングアプローチは、配列の限界分布をモデル化することに焦点を当てている。
しかし、配列を独立したサンプルとして扱うことで、これらの方法は親和性成熟を、抗体が基礎となるフィットネスの風景を探索する進化過程に関する、豊かで未発達の情報源と見なすことができる。
対照的に、古典的な系統モデルは進化力学を明示的に表しているが、複雑なエピスタティック相互作用を捉えるための表現力は欠如している。
このギャップを、ディープニューラルネットワークによってパラメータ化された連続的なマルコフ連鎖であるCoSiNEで埋める。
数学的に、我々はCoSiNEが、分岐長の2次的な誤差境界でエピスタティック効果を捉え、引き起こし可能な逐次点突然変異過程に一階近似を与えることを証明した。
実証的には、CoSiNEは文脈依存のソマティック・ハイパーミューテーションから選択を明示的に切り離すことにより、ゼロショット変動効果予測において最先端の言語モデルより優れている。
最後に,CoSiNEを推論時に操り,特定の抗原に対する抗体結合親和性の効率的な最適化を可能にする分類器誘導サンプリングスキームである Guided Gillespie を紹介する。
関連論文リスト
- GenAR: Next-Scale Autoregressive Generation for Spatial Gene Expression Prediction [15.143858141542532]
GenARは、粗いものから細かいものまで予測を洗練するマルチスケールの自動回帰フレームワークである。
我々は、粗い予測から細かい予測を洗練するマルチスケール自動回帰フレームワークGenARを紹介する。
GenARは、最先端のパフォーマンスを原則として達成し、精密医療とコスト効率のよい分子プロファイリングに潜在的に影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2025-10-05T18:28:21Z) - Neural Optimal Transport Meets Multivariate Conformal Prediction [58.43397908730771]
条件付きベクトル回帰(CVQR)のためのフレームワークを提案する。
CVQRは、ニューラルネットワークの最適輸送と量子化された最適化を組み合わせて、予測に適用する。
論文 参考訳（メタデータ） (2025-09-29T19:50:19Z) - A Probabilistic Framework for Imputing Genetic Distances in Spatiotemporal Pathogen Models [3.366423334813302]
そこで本研究では,不連続な症例間の遺伝的距離と,定義された伝達鎖内の既知のアライメントを推定するための枠組みを提案する。
このアプローチは、米国の野生鳥類における高病原性鳥インフルエンザA/H5症例に適用される。
論文 参考訳（メタデータ） (2025-06-10T02:41:46Z) - AffinityFlow: Guided Flows for Antibody Affinity Maturation [6.690846683150576]
抗体は治療薬として広く用いられているが、その発達には結合親和性を高めるために親和性成熟が必要である。
最近、AlphaFlowはAlphaFoldをフローマッチングにラップし、様々なタンパク質構造を生成する。
本稿では,(1)構造に基づく親和性予測器を用いて構造生成を高結合親和性へ導くために,(1)規則を修正し,(2)規則に基づく親和性予測器によって改良された配列変異を生成するための逆フォールディングを適用する。
論文 参考訳（メタデータ） (2025-02-14T18:43:22Z) - Antigen-Specific Antibody Design via Direct Energy-based Preference Optimization [51.28231365213679]
我々は,抗原特異的抗体配列構造共設計を,特定の嗜好に対する最適化問題として取り組んだ。
そこで本研究では,有理構造と抗原への結合親和性の両方を有する抗体の生成を誘導する,直接エネルギーに基づく選好最適化を提案する。
論文 参考訳（メタデータ） (2024-03-25T09:41:49Z) - Confronting Reward Overoptimization for Diffusion Models: A Perspective of Inductive and Primacy Biases [76.9127853906115]
拡散モデルと人間の嗜好のギャップを埋めることが、実用的生成への統合に不可欠である。
本稿では,拡散モデルの時間的帰納バイアスを利用したポリシー勾配アルゴリズムTDPO-Rを提案する。
実験の結果,報酬過小評価を緩和する手法が有効であることが示された。
論文 参考訳（メタデータ） (2024-02-13T15:55:41Z) - Coevolution of Neural Architectures and Features for Stock Market
Forecasting: A Multi-objective Decision Perspective [0.0]
本稿では、意思決定者によるさらなる選択のために、非支配的ニューラルネットワークモデルの集合を同定するための新しいアプローチを提案する。
ニューラルネットワークの特徴とトポロジを同時に選択するための新しい共進化手法を提案する。
その結果、NASDAQ指数は、近日・近日・近日・近日・近日・近日・遠日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・
論文 参考訳（メタデータ） (2023-11-23T15:12:30Z) - Protein Design with Guided Discrete Diffusion [67.06148688398677]
タンパク質設計における一般的なアプローチは、生成モデルと条件付きサンプリングのための識別モデルを組み合わせることである。
離散拡散モデルのためのガイダンス手法であるdiffusioN Optimized Smpling (NOS)を提案する。
NOSは、構造に基づく手法の重要な制限を回避し、シーケンス空間で直接設計を行うことができる。
論文 参考訳（メタデータ） (2023-05-31T16:31:24Z) - Reprogramming Pretrained Language Models for Antibody Sequence Infilling [72.13295049594585]
抗体の計算設計には、構造的一貫性を維持しながら、新規で多様な配列を生成することが含まれる。
近年のディープラーニングモデルでは優れた結果が得られたが、既知の抗体配列/構造対の数が限られているため、性能が劣化することが多い。
これは、ソース言語でトレーニング済みのモデルを再利用して、異なる言語で、データが少ないタスクに適応するものです。
論文 参考訳（メタデータ） (2022-10-05T20:44:55Z) - Adversarial and Contrastive Variational Autoencoder for Sequential
Recommendation [25.37244686572865]
本稿では、逐次レコメンデーションのためのAdversarial and Contrastive Variational Autoencoder (ACVAE) と呼ばれる新しい手法を提案する。
まず,本モデルが高品質な潜在変数を生成することを可能にするadversarial variational bayesフレームワークの下で,シーケンス生成のためのadversarial trainingを導入する。
さらに、シーケンスをエンコードする場合、シーケンス内のグローバルおよびローカルの関係をキャプチャするために、繰り返しおよび畳み込み構造を適用します。
論文 参考訳（メタデータ） (2021-03-19T09:01:14Z) - Supervised Learning for Non-Sequential Data: A Canonical Polyadic
Decomposition Approach [85.12934750565971]
特徴相互作用の効率的なモデリングは、非順序的タスクに対する教師あり学習の基盤となる。
この問題を緩和するため、モデルパラメータをテンソルとして暗黙的に表現することが提案されている。
表現性を向上するため,任意の高次元特徴ベクトルに特徴写像を適用できるようにフレームワークを一般化する。
論文 参考訳（メタデータ） (2020-01-27T22:38:40Z)
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。