論文の概要: Event Embedding of Protein Networks : Compositional Learning of Biological Function

• arxiv url: http://arxiv.org/abs/2604.00911v1
• Date: Wed, 01 Apr 2026 13:53:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:32.015775
• Title: Event Embedding of Protein Networks : Compositional Learning of Biological Function
• Title（参考訳）: タンパク質ネットワークのイベント埋め込み : 生体機能の合成学習
• Authors: Antonin Sulc,
• Abstract要約: ランダムウォークの64次元表現を人間のSTRING対話体から訓練する。 構成構造は経路コヒーレンスを大幅に改善する。 これらの結果から, 強制的構成性は生物学的ネットワークにおける関係性および構成的推論タスクに特に有益であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.15229257192293197
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we study whether enforcing strict compositional structure in sequence embeddings yields meaningful geometric organization when applied to protein-protein interaction networks. Using Event2Vec, an additive sequence embedding model, we train 64-dimensional representations on random walks from the human STRING interactome, and compare against a DeepWalk baseline based on Word2Vec, trained on the same walks. We find that compositional structure substantially improves pathway coherence (30.2$\times$ vs 2.9$\times$ above random), functional analogy accuracy (mean similarity 0.966 vs 0.650), and hierarchical pathway organization, while geometric properties such as norm--degree anticorrelation are shared with or exceeded by the non-compositional baseline. These results indicate that enforced compositionality specifically benefits relational and compositional reasoning tasks in biological networks.
• Abstract（参考訳）: 本研究では, タンパク質-タンパク質相互作用ネットワークに適用した場合, 配列埋め込みにおける厳密な構成構造が有意な幾何学的構造をもたらすか否かを考察する。 付加的なシーケンス埋め込みモデルであるEvent2Vecを用いて、人間のSTRING対話体からランダムウォークの64次元表現をトレーニングし、同じウォークに基づいてトレーニングされたWord2Vecに基づくDeepWalkベースラインと比較する。 構成構造は経路コヒーレンス(30.2$\times$対2.9$\times$以上のランダム)、機能的類似性(平均類似度0.966対0.650)、階層的経路構造を著しく改善し、ノルム-次反相関のような幾何学的性質は非合成ベースラインで共有または超える。 これらの結果から, 強制的構成性は生物学的ネットワークにおける関係性および構成的推論タスクに特に有益であることが示唆された。

関連論文リスト

• Beyond Expression Similarity: Contrastive Learning Recovers Functional Gene Associations from Protein Interaction Structure [0.0]
  Predictive Associative Memory (PAM)フレームワークは、有用な関係が共有コンテキストで共有されることが多いことを示唆している。 この原理が、タンパク質-結合相互作用が機能的関連をもたらす分子生物学に転移するかどうかを検証する。
  論文  参考訳（メタデータ） (2026-03-21T21:36:23Z)
• Structural Compositional Function Networks: Interpretable Functional Compositions for Tabular Discovery [4.8369208007394215]
  本稿では,構造構成ネットワーク(Structure compositional Networks, StructureCFN)を提案する。 私たちのフレームワークは構造化知識統合を可能にし、ドメイン固有のリレーショナル事前をアーキテクチャに直接注入して発見を導くことができます。 我々は18ベンチマークで厳密な10倍のクロスバリデーションスイートにまたがる構造CFNを評価し,統計的に有意な改善を示した。
  論文  参考訳（メタデータ） (2026-01-27T20:20:07Z)
• Protein Secondary Structure Prediction Using 3D Graphs and Relation-Aware Message Passing Transformers [26.044929670768]
  本研究では,タンパク質一次配列から二次構造を予測するという課題に取り組む。 タンパク質残基グラフを用いて、空間情報の強化を図り、様々な形態の逐次的または構造的接続を導入する。 複数の畳み込み層を積み重ねて、タンパク質の空間グラフから組み合わせた洞察を効率的に学習する。
  論文  参考訳（メタデータ） (2025-11-17T18:39:13Z)
• Topotein: Topological Deep Learning for Protein Representation Learning [16.907805137005845]
  タンパク質表現学習(PRL)にトポロジカルディープラーニングを適用した包括的フレームワークTopoteinを紹介する。 PCCは、各レベルで幾何情報を保持しながら、残基から二次構造から完全なタンパク質まで、複数の階層レベルでタンパク質を表現している。 TCPNetは、これらの階層構造を横断するSE(3)-等価メッセージパッシングを採用し、より効果的なマルチスケール構造パターンのキャプチャを可能にする。
  論文  参考訳（メタデータ） (2025-09-04T04:58:20Z)
• PRING: Rethinking Protein-Protein Interaction Prediction from Pairs to Graphs [88.98041407783502]
  PRINGは、タンパク質とタンパク質の相互作用予測をグラフレベルで評価する最初のベンチマークである。 PRINGは、21,484タンパク質と186,818の相互作用からなる高品質な多種PPIネットワークデータセットをキュレートする。
  論文  参考訳（メタデータ） (2025-07-07T15:21:05Z)
• DPLM-2: A Multimodal Diffusion Protein Language Model [75.98083311705182]
  DPLM-2は, 離散拡散タンパク質言語モデル(DPLM)を拡張し, 配列と構造の両方に適合する多モーダルタンパク質基盤モデルである。 DPLM-2は、配列と構造、およびその限界と条件の結合分布を学習する。 実験によりDPLM-2は高度に互換性のあるアミノ酸配列とそれに対応する3D構造を同時に生成できることが示された。
  論文  参考訳（メタデータ） (2024-10-17T17:20:24Z)
• 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)
• PHN: Parallel heterogeneous network with soft gating for CTR prediction [2.9722444664527243]
  本稿では並列構造を持つネットワークを構成する並列不均一ネットワーク(PHN)モデルを提案する。 トレーニング可能なパラメータとの残留リンクは、弱い勾配現象の影響を軽減するためにネットワークで使用される。
  論文  参考訳（メタデータ） (2022-06-18T11:37:53Z)
• 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)
• Hierarchical Human Parsing with Typed Part-Relation Reasoning [179.64978033077222]
  このタスクでは、人体構造をモデル化する方法が中心的なテーマである。 深層グラフネットワークの表現能力と階層的人間構造を同時に活用することを模索する。
  論文  参考訳（メタデータ） (2020-03-10T16:45:41Z)

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。