論文の概要: Computational framework for multistep metabolic pathway design

• arxiv url: http://arxiv.org/abs/2604.13471v1
• Date: Wed, 15 Apr 2026 04:50:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.38608
• Title: Computational framework for multistep metabolic pathway design
• Title（参考訳）: 多段階代謝経路設計のための計算フレームワーク
• Authors: Peter Zhiping Zhang, Jeffrey D. Varner,
• Abstract要約: 深層学習は有機化学応用における合成とレトロ合成の質を改善した。 計算生合成経路設計フレームワークを開発するため,公共データベースからメタボリック反応と酵素テンプレートデータを構築した。 我々は多段階の逆生合成パイプラインを構築し,自然経路や非自然経路を計算的に再現して検証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In silico tools are important for generating novel hypotheses and exploring alternatives in de novo metabolic pathway design. However, while many computational frameworks have been proposed for retrobiosynthesis, few successful examples of algorithm-guided xenobiotic biochemical retrosynthesis have been reported in the literature. Deep learning has improved the quality of synthesis and retrosynthesis in organic chemistry applications. Inspired by this progress, we explored combining deep learning of biochemical transformations with the traditional retrobiosynthetic workflow to improve in silico synthetic metabolic pathway designs. To develop our computational biosynthetic pathway design framework, we assembled metabolic reaction and enzymatic template data from public databases. A data augmentation procedure, adapted from literature, was carried out to enrich the assembled reaction dataset with artificial metabolic reactions generated by enzymatic reaction templates. Two neural network-based pathway ranking models were trained as binary classifiers to distinguish assembled reactions from artificial counterparts; each model output a scalar quantifying the plausibility of a 1-step or 2-step pathway. Combining these two models with enzymatic templates, we built a multistep retrobiosynthesis pipeline and validated it by reproducing some natural and non-natural pathways computationally.
• Abstract（参考訳）: シリカの道具は、新しい仮説を創出し、デ・ノボ代謝経路の設計における代替手段を探究するために重要である。 しかしながら、レトロバイオシンセシスのための多くの計算フレームワークが提案されているが、アルゴリズム誘導キセノバイオティクス生化学レトロシンセシスの成功例はほとんど報告されていない。 深層学習は有機化学応用における合成とレトロ合成の質を改善した。 本研究は, 生化学変換の深層学習と従来のレトロバイオシンセティックワークフローを組み合わせることにより, サイリコ合成代謝経路の設計を改善することを目的とした。 計算生合成経路設計フレームワークを開発するため,公共データベースからメタボリック反応と酵素テンプレートデータを構築した。 酵素反応テンプレートにより生成した人工代謝反応を用いて, 組立反応データセットを濃縮するために, 文献に適合したデータ拡張処理を行った。 ニューラルネットワークをベースとした2つの経路ランキングモデルは、合成された反応と人工的な反応を区別するためにバイナリ分類器として訓練され、各モデルは1ステップまたは2ステップの経路の妥当性を定量化するスカラーを出力する。 これら2つのモデルと酵素テンプレートを組み合わせることで、多段階のレトロバイオシンセシスパイプラインを構築し、自然経路と非自然経路を計算的に再現して検証した。

関連論文リスト

• Synthesizable by Design: A Retrosynthesis-Guided Framework for Molecular Analog Generation [0.5852077003870417]
  新規なレトロシンセシス誘導分子アナログ設計フレームワークであるSynTwinsを紹介する。 比較評価において、SynTwinsは合成可能なアナログを生成する上で優れた性能を示す。 多様な分子データセットのベンチマークにより、SynTwinsは計算設計と実験合成のギャップを効果的に埋めることを示した。
  論文  参考訳（メタデータ） (2025-07-03T16:14:57Z)
• BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction [65.93303145891628]
  BatGPT-Chemは150億のパラメータを持つ大規模な言語モデルであり、再合成予測の強化に最適化されている。 我々のモデルは幅広い化学知識を捉え、反応条件の正確な予測を可能にする。 この開発により、化学者は新しい化合物を十分に扱うことができ、医薬品製造と材料科学の革新サイクルを早める可能性がある。
  論文  参考訳（メタデータ） (2024-08-19T05:17:40Z)
• UAlign: Pushing the Limit of Template-free Retrosynthesis Prediction with Unsupervised SMILES Alignment [51.49238426241974]
  本稿では,テンプレートのないグラフ・ツー・シーケンスパイプラインであるUAlignを紹介した。 グラフニューラルネットワークとトランスフォーマーを組み合わせることで、分子固有のグラフ構造をより効果的に活用することができる。
  論文  参考訳（メタデータ） (2024-03-25T03:23:03Z)
• Models Matter: The Impact of Single-Step Retrosynthesis on Synthesis Planning [0.8620335948752805]
  再合成は、化学化合物を段階的に分子前駆体に分解する。 その2つの主要な研究方向、単段階の逆合成予測と多段階の合成計画は本質的に相互に絡み合っている。 単一ステップモデルを選択することで,合成計画の総合的な成功率を最大28%向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-08-10T12:04:47Z)
• FusionRetro: Molecule Representation Fusion via In-Context Learning for Retrosynthetic Planning [58.47265392465442]
  再合成計画(Retrosynthetic Planning)は、開始物質から標的分子への完全な多段階合成経路を考案することを目的としている。 現在の戦略では、単一ステップの逆合成モデルと探索アルゴリズムの分離されたアプローチを採用している。 本稿では,文脈情報を利用した新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-30T08:44:58Z)
• Amortized Tree Generation for Bottom-up Synthesis Planning and Synthesizable Molecular Design [2.17167311150369]
  ターゲット分子の埋め込みを条件としたマルコフ決定過程として,合成経路を生成するための償却アプローチを報告した。 提案手法により,最適化された条件付き符号からデコードすることで,ボトムアップ方式で合成計画を実行し,合成可能な分子を設計することができる。
  論文  参考訳（メタデータ） (2021-10-12T22:43:25Z)
• ChemiRise: a data-driven retrosynthesis engine [19.52621175562223]
  ケミリゼは、有機化合物を迅速かつ確実に再合成する完全な経路を提案することができる。 システムは300万以上の有機反応を処理した特許データベース上で訓練された。
  論文  参考訳（メタデータ） (2021-08-09T05:13:14Z)
• RetroXpert: Decompose Retrosynthesis Prediction like a Chemist [60.463900712314754]
  そこで我々は, テンプレートフリーな自動逆合成拡張アルゴリズムを考案した。 我々の方法はレトロシンセシスを2段階に分解する。 最先端のベースラインよりも優れている一方で、我々のモデルは化学的に合理的な解釈も提供する。
  論文  参考訳（メタデータ） (2020-11-04T04:35:34Z)
• Energy-based View of Retrosynthesis [70.66156081030766]
  エネルギーモデルとしてシーケンスおよびグラフベースの手法を統一するフレームワークを提案する。 本稿では,ベイズ前方および後方予測に対して一貫した訓練を行うフレームワーク内での新しい二重変種を提案する。 このモデルは、反応型が不明なテンプレートフリーアプローチに対して、最先端の性能を9.6%向上させる。
  論文  参考訳（メタデータ） (2020-07-14T18:51:06Z)

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。