論文の概要: Applications of deep generative models to DNA reaction kinetics and to cryogenic electron microscopy

• arxiv url: http://arxiv.org/abs/2604.16851v1
• Date: Sat, 18 Apr 2026 05:57:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.201717
• Title: Applications of deep generative models to DNA reaction kinetics and to cryogenic electron microscopy
• Title（参考訳）: 深部生成モデルのDNA反応速度論および低温電子顕微鏡への応用
• Authors: Chenwei Zhang,
• Abstract要約: 論文は 深層生成モデルが 生物学的問題の分析を 進める方法を探る DNA反応速度論と低温電子顕微鏡(cryo-EM)の2分野に焦点を当てている。
• 参考スコア（独自算出の注目度）: 10.89086298261204
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This dissertation explores how deep generative models can advance the analysis of challenging biological problems by integrating domain knowledge with deep learning. It focuses on two areas: DNA reaction kinetics and cryogenic electron microscopy (cryo-EM). In the first part, we present ViDa, a biophysics-informed framework leveraging variational autoencoders (VAEs) and geometric scattering transforms to generate biophysically-plausible embeddings of DNA reaction kinetics simulations. These embeddings are reduced to a two-dimensional space to visualize DNA hybridization and toehold-mediated strand displacement reactions. ViDa preserves structure and clusters trajectory ensembles into reaction pathways, making simulation results more interpretable and revealing new mechanistic insights. In the second part, we address key challenges in cryo-EM density map interpretation and protein structure modeling. We provide a comprehensive review and benchmarking of deep learning methods for atomic model building, with improved evaluation metrics and practical guidance. We then present Struc2mapGAN, a generative adversarial network that synthesizes high-fidelity experimental-like cryo-EM density maps from protein structures. Finally, we present CryoSAMU, a structure-aware multimodal U-Net that enhances intermediate-resolution cryo-EM maps by integrating density features with structural embeddings from protein language models via cross-attention. Overall, these contributions demonstrate the potential of deep generative models to interpret DNA reaction mechanisms and advance cryo-EM density map analysis and protein structure modeling.
• Abstract（参考訳）: この論文は、ドメイン知識と深層学習を統合することによって、深層生成モデルが挑戦的な生物学的問題の分析をいかに進めるかを探求する。 DNA反応速度論と低温電子顕微鏡(cryo-EM)の2分野に焦点を当てている。 第一部では,変分オートエンコーダ(VAE)と幾何散乱変換を利用したバイオ物理インフォームドフレームワークであるViDaについて述べる。 これらの埋め込みは、DNAハイブリダイゼーションとトーホールドを介するストランド変位反応を可視化するために2次元空間に縮小される。 ViDaは構造とクラスターの軌道のアンサンブルを反応経路に保存し、シミュレーション結果をより解釈し、新しい力学的な洞察を明らかにする。 第2部では、Cryo-EM密度マップの解釈とタンパク質構造モデリングにおける重要な課題に対処する。 我々は、原子モデル構築のためのディープラーニング手法の総合的なレビューとベンチマークを行い、評価指標と実践的ガイダンスを改善した。 次に、タンパク質構造から高忠実度実験ライクなCryo-EM密度マップを合成する生成逆数ネットワークStruc2mapGANを提案する。 最後に,構造対応マルチモーダルなU-NetであるCryoSAMUについて述べる。 全体として、これらの貢献は、DNA反応機構を解釈し、Cryo-EM密度マップ解析とタンパク質構造モデリングを進めるための深部生成モデルの可能性を示している。

関連論文リスト

• CryoLVM: Self-supervised Learning from Cryo-EM Density Maps with Large Vision Models [20.31346781705925]
  CryoLVMは, 解析された構造を持つ実験密度写像から, リッチな構造表現を学習する基礎モデルである。 我々は,CryoLVMの有効性を,密度マップのシャープ化,密度マップの超解像化,ウェッジ復元の欠如という3つのクリティカルなCryo-EMタスクで実証した。
  論文  参考訳（メタデータ） (2026-02-02T13:36:36Z)
• 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)
• Multiscale guidance of AlphaFold3 with heterogeneous cryo-EM data [33.562685684224995]
  低温電子顕微鏡(cryo-EM)は、近原性構造不均一性をイメージングするための強力なツールとして登場した。 ここでは, タンパク質構造予測モデルを用いて学習したCryo-EM密度マップと, 豊富な配列と生物物理学的先行データを組み合わせる。 我々の方法であるCryoBoltzは、大域的および局所的な構造制約を用いて、事前訓練されたタンパク質構造予測モデルのサンプリング軌跡を導出する。
  論文  参考訳（メタデータ） (2025-06-04T22:16:27Z)
• Life-Code: Central Dogma Modeling with Multi-Omics Sequence Unification [55.98854157265578]
  Life-Codeは、様々な生物学的機能にまたがる包括的なフレームワークである。 本稿では、RNAを逆転写し、アミノ酸をヌクレオチド配列に変換することで、マルチオミクスデータを統合する統一パイプラインを提案する。 Life-Codeは3つのオミクスにまたがる様々なタスクの最先端の結果を達成し、マルチオミクス分析と解釈の進歩の可能性を強調している。
  論文  参考訳（メタデータ） (2025-02-11T06:53:59Z)
• CryoFM: A Flow-based Foundation Model for Cryo-EM Densities [50.291974465864364]
  生成モデルとして設計された基礎モデルであるCryoFMについて,高品質密度マップの分布を学習する。 フローマッチングに基づいて構築されたCryoFMは、生物分子密度マップの以前の分布を正確に捉えるために訓練されている。
  論文  参考訳（メタデータ） (2024-10-11T08:53:58Z)
• Neural Echos: Depthwise Convolutional Filters Replicate Biological Receptive Fields [56.69755544814834]
  哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。 生体受容の分野からインスピレーションを得る手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T18:06:22Z)
• ViDa: Visualizing DNA hybridization trajectories with biophysics-informed deep graph embeddings [9.416869890924715]
  ViDaは、二次構造状態空間の2次元埋め込みを利用するDNA反応軌道の新しい可視化手法である。 2つのよく研究されたDNAハイブリダイゼーション反応におけるViDaの評価を行った。
  論文  参考訳（メタデータ） (2023-11-06T05:27:29Z)
• CryoChains: Heterogeneous Reconstruction of Molecular Assembly of Semi-flexible Chains from Cryo-EM Images [3.0828074702828623]
  分子鎖の剛体変換により生体分子の大きな変形をコードするCryoChainsを提案する。 ヒトGABAtextsubscriptBおよび熱ショックタンパク質のデータ実験により、CryoChainsは生体分子の不均一な構造を生化学的に定量化できることが示された。
  論文  参考訳（メタデータ） (2023-06-12T17:57:12Z)
• 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)
• Learning Geometrically Disentangled Representations of Protein Folding Simulations [72.03095377508856]
  この研究は、薬物標的タンパク質の構造的アンサンブルに基づいて生成ニューラルネットワークを学習することに焦点を当てている。 モデル課題は、様々な薬物分子に結合したタンパク質の構造的変動を特徴付けることである。 その結果,我々の幾何学的学習に基づく手法は,複雑な構造変化を生成するための精度と効率の両方を享受できることがわかった。
  論文  参考訳（メタデータ） (2022-05-20T19:38:00Z)

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。