論文の概要: Representation choice shapes the interpretation of protein conformational dynamics

• arxiv url: http://arxiv.org/abs/2604.00580v1
• Date: Wed, 01 Apr 2026 07:38:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.889665
• Title: Representation choice shapes the interpretation of protein conformational dynamics
• Title（参考訳）: 表現選択はタンパク質コンフォメーションダイナミクスの解釈を形成する
• Authors: Axel Giottonini, Thomas Lemmin,
• Abstract要約: 表現の選択は中立ではなく、同一のシミュレーションデータから推定される組織、類似性関係、および明らかな遷移を形作る。 既存の表現を補完するために,タンパク質のバックボーンの幾何的に接地した回転認識符号化であるオリエンテーション(Orientation)機能を導入する。 異なる表現は共形空間の相補的な側面を強調し、一つの表現が基礎となる力学の完全な図面を提供していないことが分かる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Molecular dynamics simulations provide detailed trajectories at the atomic level, but extracting interpretable and robust insights from these high-dimensional data remains challenging. In practice, analyses typically rely on a single representation. Here, we show that representation choice is not neutral: it fundamentally shapes the conformational organization, similarity relationships, and apparent transitions inferred from identical simulation data. To complement existing representations, we introduce Orientation features, a geometrically grounded, rotation-aware encoding of protein backbone. We compare it against common descriptions across three dynamical regimes: fast-folding proteins, large-scale domain motions, and protein-protein association. Across these systems, we find that different representations emphasize complementary aspects of conformational space, and that no single representation provides a complete picture of the underlying dynamics. To facilitate systematic comparison, we developed ManiProt, a library for efficient computation and analysis of multiple protein representations. Our results motivate a comparative, representation-aware framework for the interpretation of molecular dynamics simulations.
• Abstract（参考訳）: 分子動力学シミュレーションは原子レベルで詳細な軌道を提供するが、これらの高次元データから解釈可能で堅牢な洞察を抽出することは依然として困難である。 実際には、分析は通常単一の表現に依存する。 ここでは、表現の選択は中立ではなく、同じシミュレーションデータから推定されるコンフォーメーション組織、類似性関係、および明らかな遷移を根本的に形作る。 既存の表現を補完するために,タンパク質のバックボーンの幾何的に接地した回転認識符号化であるオリエンテーション(Orientation)機能を導入する。 我々は、高速折り畳みタンパク質、大規模ドメイン運動、タンパク質-タンパク質関連という3つの動的状態の一般的な記述と比較した。 これらのシステム全体で、異なる表現は共形空間の相補的な側面を強調しており、一つの表現が基礎となる力学の完全な図面を提供していないことが分かる。 組織的な比較を容易にするため,マルチタンパク質表現の効率的な計算と解析を行うライブラリであるManiProtを開発した。 本結果は分子動力学シミュレーションの解釈のための比較表現対応フレームワークを動機付けている。

関連論文リスト

• From Snapshots to Symphonies: The Evolution of Protein Prediction from Static Structures to Generative Dynamics and Multimodal Interactions [0.8880611506199769]
  レビューでは、5つの相互接続された次元にわたるAI駆動タンパク質科学のパラダイムシフトを体系的に検証している。 データ分散バイアス、機械的解釈可能性の制限、幾何学的メトリクスと生物物理学的現実の切り離しなど、現在のボトルネックを批判的に分析する。 この手法は、人工知能が構造解析ツールから普遍的なシミュレータへ移行し、生命の動的言語を理解し、最終的に書き換えることができることを示す。
  論文  参考訳（メタデータ） (2026-03-19T05:25:17Z)
• Multiscale geometrical and topological learning in the analysis of soft matter collective dynamics [0.4440432588828829]
  統合幾何学的および位相的データ分析(TDA)は、そのようなシステムを研究するための強力なフレームワークを提供する。 スカイミオンアンサンブルの画像から生成されたフィールドの解析に基づく手法は、外部刺激に対するシステムの反応の非線形物理機構に関する洞察を与える。
  論文  参考訳（メタデータ） (2025-07-28T18:40:37Z)
• MoDyGAN: Combining Molecular Dynamics With GANs to Investigate Protein Conformational Space [0.0]
  MoDyGANは、分子動力学シミュレーションと生成敵ネットワーク(GAN)を利用してタンパク質コンフォメーション空間を探索するパイプラインである。 MoDyGANには、ガウス分布をMD由来のタンパク質軌道にマッピングするジェネレータと、アンサンブル学習と二重識別器を組み合わせた精製モジュールが含まれている。 我々のアプローチの中心は、3Dタンパク質構造を2D行列に可逆的に変換する革新的な表現技術である。 以上の結果から,タンパク質をイメージライクなデータとして表現することは,生物分子シミュレーションに高度な深層学習技術を適用する新たな可能性を開くことが示唆された。
  論文  参考訳（メタデータ） (2025-07-18T14:18:28Z)
• Deep Signature: Characterization of Large-Scale Molecular Dynamics [29.67824486345836]
  ディープシグナチャ(Deep Signature)は、複雑な力学と原子間相互作用を特徴付ける、計算的に抽出可能な新しいフレームワークである。 提案手法では,協調力学を局所的に集約してシステムのサイズを小さくするソフトスペクトルクラスタリングと,非滑らかな対話力学のグローバルな評価を行うシグネチャ変換を取り入れた。
  論文  参考訳（メタデータ） (2024-10-03T16:37:48Z)
• The geometry of hidden representations of large transformer models [43.16765170255552]
  大規模トランスは、さまざまなデータタイプをまたいだ自己教師型データ分析に使用される強力なアーキテクチャである。 データセットのセマンティック構造は、ある表現と次の表現の間の変換のシーケンスから現れることを示す。 本研究は,データセットのセマンティクス情報が第1ピークの終わりによりよく表現されることを示し,この現象を多種多様なデータセットで訓練された多くのモデルで観測できることを示した。
  論文  参考訳（メタデータ） (2023-02-01T07:50:26Z)
• DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained Diffusion [66.21290235237808]
  本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。 任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。 各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
  論文  参考訳（メタデータ） (2023-01-23T15:18:54Z)
• Dynamic Latent Separation for Deep Learning [67.62190501599176]
  機械学習の中核的な問題は、複雑なデータに対するモデル予測のための表現力のある潜在変数を学習することである。 本稿では,表現性を向上し,部分的解釈を提供し,特定のアプリケーションに限定されないアプローチを開発する。
  論文  参考訳（メタデータ） (2022-10-07T17:56:53Z)
• SynopSet: Multiscale Visual Abstraction Set for Explanatory Analysis of DNA Nanotechnology Simulations [60.05887213349294]
  DNAナノテクノロジー領域における分子動力学シミュレーション(MDS)の説明的解析のための視覚表現の連続性を持つ新しい抽象集合(SynopSet)を提案する。 この集合はまた、すべての空間的および時間的詳細と全ての構造的複雑さを示すことができるように設計されている。 我々の表現の集合は、SynopSpaceと呼ばれる可視化空間に体系的に配置できることを示してきた。
  論文  参考訳（メタデータ） (2022-04-18T06:53:52Z)
• Image Synthesis via Semantic Composition [74.68191130898805]
  本稿では,その意味的レイアウトに基づいて現実的なイメージを合成する新しい手法を提案する。 類似した外観を持つ物体に対して、類似した表現を共有するという仮説が立てられている。 本手法は, 空間的変化と関連表現の両方を生じる, 外観相関による領域間の依存関係を確立する。
  論文  参考訳（メタデータ） (2021-09-15T02:26:07Z)
• BERTology Meets Biology: Interpreting Attention in Protein Language Models [124.8966298974842]
  注目レンズを用いたタンパク質トランスフォーマーモデルの解析方法を示す。 注意はタンパク質の折りたたみ構造を捉え、基礎となる配列では遠く離れているが、三次元構造では空間的に近接しているアミノ酸を接続する。 また、注意とタンパク質構造との相互作用を三次元的に可視化する。
  論文  参考訳（メタデータ） (2020-06-26T21:50:17Z)

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。