論文の概要: Predicting Activity Cliffs for Autonomous Medicinal Chemistry

• arxiv url: http://arxiv.org/abs/2604.07560v1
• Date: Wed, 08 Apr 2026 20:02:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.538253
• Title: Predicting Activity Cliffs for Autonomous Medicinal Chemistry
• Title（参考訳）: 自律的な医薬化学のための予測活性クリフ
• Authors: Michael Cuccarese,
• Abstract要約: 活動崖予測は、計算医学化学における永続的な課題である。 この研究は、小さな修正が、どの位置で、結果の変化の最も高い確率を示すかという、同義的な定義に焦点を当てている。 位置レベルの感度は、6つのタンパク質ファミリーにまたがる50個のChEMBLターゲットから2500万個の一致した分子対を用いて計算される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Activity cliff prediction - identifying positions where small structural changes cause large potency shifts - has been a persistent challenge in computational medicinal chemistry. This work focuses on a parsimonious definition: which small modifications, at which positions, confer the highest probability of an outcome change. Position-level sensitivity is calculated using 25 million matched molecular pairs from 50 ChEMBL targets across six protein families, revealing that two questions have fundamentally different answers. "Which positions vary most?" is answered by scaffold size alone (NDCG@3 = 0.966), requiring no machine learning. "Which are true activity cliffs?" - where small modifications cause disproportionately large effects, as captured by SALI normalization - requires an 11-feature model with 3D pharmacophore context (NDCG@3 = 0.910 vs. 0.839 random), generalizing across all six protein families, novel scaffolds (0.913), and temporal splits (0.878). The model identifies the cliff-prone position first 53% of the time (vs. 27% random - 2x lift), reducing positions a chemist must explore from 3.1 to 2.1 - a 31% reduction in first-round experiments. Predicting which modification to make is not tractable from structure alone (Spearman 0.268, collapsing to -0.31 on novel scaffolds). The system is released as open-source code and an interactive webapp.
• Abstract（参考訳）: 活動崖予測 - 小さな構造変化が大きな機能シフトを引き起こす位置を特定することは、計算医学化学において永続的な課題である。 この研究は、小さな修正が、どの位置で、結果の変化の最も高い確率を示すかという、同義的な定義に焦点を当てている。 位置レベルの感度は、6つのタンパク質ファミリーにわたる50個のChEMBLターゲットから2500万個の一致した分子対を用いて計算され、2つの質問が根本的に異なる答えを持つことが明らかになった。 「位置は多様か?」は足場の大きさだけで答えられる(NDCG@3 = 0.966)が、機械学習は不要である。 小さな変化がSALIの正常化によって不均等に大きな影響をもたらす場合、NDCG@3 = 0.910 vs. 0.839ランダム)による11機能モデルが必要となり、6つのタンパク質ファミリー、新しい足場(0.913)、時間分割(0.878)が一般化された。 このモデルは、最初の53%(vs.27%ランダム - 2xリフト)の崖の起点の位置を特定し、化学者が3.1から2.1まで探索しなければならない位置を3.1%削減する。 どの変更を行うかは、構造だけでは予測できない(Spearman 0.268、新しい足場で-0.31に崩壊)。 このシステムはオープンソースコードとインタラクティブなWebアプリケーションとしてリリースされている。

関連論文リスト

• Greedy Is a Strong Default: Agents as Iterative Optimizers [0.22843885788439797]
  ランダムな提案生成装置をLCMエージェントに置き換え、評価診断を理由として情報付き候補を提案する。 離散的,混合的,連続的な検索空間にまたがる4つのタスクを評価する。
  論文  参考訳（メタデータ） (2026-03-28T21:26:40Z)
• PinPoint: Monocular Needle Pose Estimation for Robotic Suturing via Stein Variational Newton and Geometric Residuals [3.1332682125418074]
  PinPointは手術針の位置と向きを推定するための確率的変動推論フレームワークである。 実際の針追跡シーケンスでは、PinPointは平均翻訳誤差を80%(1.00 mmまで)、回転誤差を78%(13.80まで)削減する。 単分子の曖昧さが最も重い誘導回転配列では、ピンポイントは2モーダル後部84%を維持している。
  論文  参考訳（メタデータ） (2026-03-24T15:59:28Z)
• Fundamental Limits of Neural Network Sparsification: Evidence from Catastrophic Interpretability Collapse [7.167095059974211]
  本研究では, 可変オートエンコーダ-スパースオートエンコーダアーキテクチャにおける重大容量制約下での機能生存について検討する。 本稿では,活動ニューロンを500から50以上の訓練エポックに段階的に減少させる適応的空間性スケジューリングフレームワークを提案する。 グローバルな表現の質は安定しているが、局所的な特徴解釈可能性は体系的に崩壊する。
  論文  参考訳（メタデータ） (2026-03-18T00:16:38Z)
• Telogenesis: Goal Is All U Need [8.585574846949628]
  本稿では,3つのギャップ(無知,驚き,安定度)から観測目標を生成する優先度関数を提案する。 最小のアテンションアロケーション環境(2000ラン)と、モジュラーで部分的に観測可能な世界(500ラン)の2つのシステムでこれを検証します。 大域的な予測エラーの下では、カバレッジベースのローテーションが勝利し、変更検出遅延下では、優先度誘導されたアロケーションが勝利し、次元とともに単調に成長する。
  論文  参考訳（メタデータ） (2026-03-10T10:28:45Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• IPENS:Interactive Unsupervised Framework for Rapid Plant Phenotyping Extraction via NeRF-SAM2 Fusion [7.103482669612749]
  IPENSは、教師なしマルチターゲットポイントクラウド抽出手法である。 粒度セグメンテーション精度(mIoU)は63.72%である。 また、コムギデータセットのセグメンテーション精度を89.68%(mIoU)に改善する。
  論文  参考訳（メタデータ） (2025-05-19T18:13:09Z)
• Learning Equivariant Non-Local Electron Density Functionals [51.721844709174206]
  等変グラフニューラルネットワーク(GNN)に基づく新しい非局所XC関数であるEquivariant Graph Exchange correlation (EG-XC)を導入する。 この点の雲に同変GNNを適用することにより、スケーラブルで正確な分子レンジ相互作用をキャプチャする。 EG-XCは、QM9上のデータ効率と分子サイズの外挿に優れ、5倍以上の分子で訓練された整合力場である。
  論文  参考訳（メタデータ） (2024-10-10T14:31:45Z)
• Confidence-Based Model Selection: When to Take Shortcuts for Subpopulation Shifts [119.22672589020394]
  モデル信頼度がモデル選択を効果的に導くことができるConfidence-based Model Selection (CosMoS)を提案する。 我々はCosMoSを,データ分散シフトのレベルが異なる複数のテストセットを持つ4つのデータセットで評価した。
  論文  参考訳（メタデータ） (2023-06-19T18:48:15Z)
• Characterizing and addressing the issue of oversmoothing in neural autoregressive sequence modeling [49.06391831200667]
  提案手法がモデル分布と復号化性能に与える影響について検討する。 神経自己回帰モデルにおいて,過度に持続可能な短い配列が生じる主な原因は,高次スムージングが原因であると結論付けている。
  論文  参考訳（メタデータ） (2021-12-16T14:33:12Z)
• An Analysis of the Adaptation Speed of Causal Models [80.77896315374747]
  最近、Bengioらは、すべての候補モデルの中で、$G$は、あるデータセットから別のデータセットに適応する最速のモデルであると推測した。 最適化からの収束率を用いた原因影響SCMの適応速度について検討する。 驚くべきことに、私たちは反因果モデルが有利である状況を見つけ、初期仮説を偽造する。
  論文  参考訳（メタデータ） (2020-05-18T23:48:56Z)

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。