論文の概要: Spectral Coherence Index: A Model-Free Metric for Protein Structural Ensemble Quality Assessment
- arxiv url: http://arxiv.org/abs/2603.25880v1
- Date: Thu, 26 Mar 2026 20:09:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 21:49:48.261475
- Title: Spectral Coherence Index: A Model-Free Metric for Protein Structural Ensemble Quality Assessment
- Title（参考訳）: スペクトルコヒーレンス指数(Spectral Coherence Index):タンパク質構造解析のためのモデルフリーメトリクス
- Authors: Yuda Bi, Huaiwen Zhang, Jingnan Sun, Vince D Calhoun,
- Abstract要約: モデルフリーで回転不変な要約であるスペクトルコヒーレンス指数(SCI)を評価した。
SCIは異種タンパク質アンサンブルのためのマルチメトリックQCワークフローに組み込む際に最も有用である。
- 参考スコア（独自算出の注目度）: 27.622823036293525
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Protein structural ensembles from NMR spectroscopy capture biologically important conformational heterogeneity, but it remains difficult to determine whether observed variation reflects coordinated motion or noise-like artifacts. We evaluate the Spectral Coherence Index (SCI), a model-free, rotation-invariant summary derived from the participation-ratio effective rank of the inter-model pairwise distance-variance matrix. Under grouped primary analysis of a Main110 cohort of 110 NMR ensembles (30--403 residues; 10--30 models per entry), SCI separated experimental ensembles from matched synthetic incoherent controls with AUC-ROC $= 0.973$ and Cliff's $δ= -0.945$. Relative to an internal 27-protein pilot, discrimination softened modestly, showing that pilot-era thresholds do not transfer perfectly to a larger, more heterogeneous cohort: the primary operating point $τ= 0.811$ yielded 95.5\% sensitivity and 89.1\% specificity. PDB-level sensitivity remained nearly unchanged (AUC $= 0.972$), and an independent 11-protein holdout reached AUC $= 0.983$. Across 5-fold grouped stratified cross-validation and leave-one-function-class-out testing, SCI remained strong (AUC $= 0.968$ and $0.971$), although $σ_{R_g}$ was the stronger single-feature discriminator and a QC-augmented multifeature model generalized best (AUC $= 0.989$ and $0.990$). Residue-level validation linked SCI-derived contributions to experimental RMSF across 110 proteins and showed broad concordance with GNM-based flexibility patterns. Rescue analyses showed that Main110 softening arose mainly from size and ensemble normalization rather than from loss of spectral signal. Together, these results establish SCI as an interpretable, bounded coherence summary that is most useful when embedded in a multimetric QC workflow for heterogeneous protein ensembles.
- Abstract（参考訳）: NMR分光法によるタンパク質の構造的アンサンブルは生物学的に重要な構造的不均一性を捉えるが、観測された変動が協調した動きやノイズのような人工物に反映するかどうかを判断することは困難である。
モデル間距離分散行列の参加比有効ランクからモデルフリーで回転不変な要約であるスペクトルコヒーレンス指数(SCI)を評価した。
AUC-ROC $=0.973$とCliff's $δ=-0.945$で一致した合成不整合制御から、110 NMRアンサンブル(30-403残基、10--30モデル)のマイン110コーホートをグループ一次解析し、実験的なアンサンブルを分離した。
内部27タンパク質のパイロットとは対照的に、差別は控えめに和らげられ、パイロット時代の閾値がより大きく異質なコホートに完全に移行しないことが示され、主要な操作ポイントである$τ=0.811$は95.5\%の感度と89.1\%の特異性を得た。
PDBレベルの感度はほぼ変化せず(AUC $=0.972$)、独立した11タンパク質ホールドアウトがAUC $=0.983$に達した。
5倍の層化クロスバリデーションと1対1のクラスアウトテストで、SCIは強い(AUC $=0.968$と0.971$)が、$σ_{R_g}$はより強力な単機能判別器であり、QC拡張多機能モデルが一般化された(AUC $=0.989$と0.990$)。
残留レベルのバリデーションは、110タンパク質にわたる実験RMSFへのSCI由来のコントリビューションをリンクし、GNMベースの柔軟性パターンと広い一致を示した。
レスキュー解析により、Main110の軟化は主にスペクトル信号の損失によるものではなく、サイズとアンサンブルの正規化によるものであることが示された。
これらの結果はSCIを解釈可能で有界なコヒーレンス・サマリーとして確立し、不均一なタンパク質アンサンブルのためのマルチメトリックQCワークフローに組み込む際に最も有用である。
関連論文リスト
- SA-CycleGAN-2.5D: Self-Attention CycleGAN with Tri-Planar Context for Multi-Site MRI Harmonization [3.5109108807229403]
本稿では,Ben-David らによる$HH$-divergence 境界によるドメイン適応フレームワーク SA-CycleGAN-2.5D を提案する。
2D効率と3D一貫性をブリッジすることで,腫瘍の病態を保ったボクセルレベルの高調波画像が得られる。
論文 参考訳（メタデータ） (2026-03-17T23:49:46Z) - Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。
提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。
本手法は歴史的幻覚の可能性を著しく低下させることを示す。
論文 参考訳（メタデータ） (2026-02-27T04:49:01Z) - Almost Asymptotically Optimal Active Clustering Through Pairwise Observations [59.20614082241528]
そこで本研究では, ノイズと能動的に収集された応答を用いて, M$アイテムを未知数の$K$個別グループにクラスタリングするための新しい分析フレームワークを提案する。
クラスタリングの精度に対する望ましい信頼性を達成するのに必要なクエリ数の基本的下位境界を確立する。
我々は、一般化された同値比統計の計算可能な変種を開発し、その下限に対する性能ギャップを正確に推定できることを実証的に示す。
論文 参考訳（メタデータ） (2026-02-05T14:16:47Z) - Uncertainty-Aware Genomic Classification of Alzheimer's Disease: A Transformer-Based Ensemble Approach with Monte Carlo Dropout [0.0]
アルツハイマー病(英語版) (AD) は遺伝学的に複雑であり、ゲノムデータも複雑である。
我々はモンテカルロ・ドロップアウトを用いた変圧器を用いたアンサンブルモデル(TrUENet)を開発した。
論文 参考訳（メタデータ） (2025-05-31T18:20:49Z) - Metric Similarity and Manifold Learning of Circular Dichroism Spectra of Proteins [0.0]
本研究ではSP175データベースから球状タンパク質の円二色性スペクトルの機械学習解析を行った。
以上の結果から,$mathcalW_1$はEuclideanとManhattanの両メトリクスと一致し,ノイズに対する堅牢性を示した。
一方、$t$-SNEは高次元データの有意義な構造を明らかにする。
論文 参考訳（メタデータ） (2025-04-27T20:43:54Z) - Outlier-Detection for Reactive Machine Learned Potential Energy Surfaces [0.0]
反応分子ポテンシャルエネルギー表面(PES)に、大きな予測誤差(外乱)を持つサンプルを検出する不確かさ定量(UQ)を適用する。
The three method - Ensembles, Deep Evidential Regression (DER), and Gaussian Mixture Models (GMM) were applied to the H-transfer reaction between $it syn-$Criegee and vinyl hydroxyperoxide。
その結果, アンサンブルモデルが外乱検出に最適な結果となり, 次いでGMMが得られた。
論文 参考訳（メタデータ） (2024-02-27T17:01:21Z) - A Robustness Analysis of Blind Source Separation [91.3755431537592]
ブラインドソース分離(BSS)は、変換$f$が可逆であるが未知であるという条件の下で、その混合である$X=f(S)$から観測されていない信号を復元することを目的としている。
このような違反を分析し、その影響を$X$から$S$のブラインドリカバリに与える影響を定量化するための一般的なフレームワークを提案する。
定義された構造的仮定からの偏差に対する一般的なBSS溶出は、明示的な連続性保証という形で、利益的に分析可能であることを示す。
論文 参考訳（メタデータ） (2023-03-17T16:30:51Z) - 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) - Sharper Rates and Flexible Framework for Nonconvex SGD with Client and
Data Sampling [64.31011847952006]
我々は、平均$n$スムーズでおそらくは非カラー関数のほぼ定常点を求める問題を再考する。
我々は$smallsfcolorgreen$を一般化し、事実上あらゆるサンプリングメカニズムで確実に動作するようにします。
我々は、スムーズな非カラー状態における最適境界の最も一般的な、最も正確な解析を提供する。
論文 参考訳（メタデータ） (2022-06-05T21:32:33Z) - Brain Image Synthesis with Unsupervised Multivariate Canonical
CSC$\ell_4$Net [122.8907826672382]
我々は,新しいCSC$ell_4$Netを用いて,イントレとイントラモーダルの両方にまたがる専用特徴を学習することを提案する。
論文 参考訳（メタデータ） (2021-03-22T05:19:40Z)
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。