論文の概要: Edge-specific signal propagation on mature chromophore-region 3D mechanism graphs for fluorescent protein quantum-yield prediction

• arxiv url: http://arxiv.org/abs/2605.06644v1
• Date: Thu, 07 May 2026 17:51:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:12.066819
• Title: Edge-specific signal propagation on mature chromophore-region 3D mechanism graphs for fluorescent protein quantum-yield prediction
• Title（参考訳）: 蛍光タンパク質量子収率予測のための成熟色調領域3D機構グラフ上のエッジ特異的信号伝播
• Authors: Yuchen Xiong, Swee Keong Yeap, Steven Aw Yoong Kit,
• Abstract要約: 蛍光タンパク質の量子収率予測のためのクロモフォア中心機構グラフアルゴリズムを提案する。 各PDB構造は、3D残基グラフに変換され、成熟したCRO状態に登録される。 各特徴は接触チャネル、シード信号、ターゲットCRO領域をコードするため、解釈はポストホックではなく本質的である。
• 参考スコア（独自算出の注目度）: 0.3058685580689604
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fluorescent protein quantum yield (QY) is governed by the mature chromophore and its three-dimensional microenvironment rather than sequence identity alone. Protein language models and emission-band averages capture global trends, but do not model how local physical signals act on specific chromophore regions. We present a chromophore-centred mechanism graph algorithm for QY prediction. Each PDB structure is converted into a typed 3D residue graph, registered to a mature-CRO state, partitioned into phenolate, bridge and imidazolinone regions, and transformed by channel-signal-region propagation. The representation contains 121 enrichment features; after removing identity shortcuts, 52 non-identity features are used for band-specific ExtraTrees regression. Because each feature encodes a contact channel, seed signal and target CRO region, interpretation is intrinsic rather than post hoc. On a 531-protein benchmark, the method achieved the best random-CV performance among model-based baselines (R = 0.772 +/- 0.008, MAE = 0.131 +/- 0.002), exceeding Band mean (R = 0.632), ESM-C (R = 0.734) and SaProt (R = 0.731), and ranked first in bright screening (Bright P@5 = 0.704). Under homology control, the advantage was clearest in the remote bucket (<50% similarity; R = 0.697 versus 0.633, 0.575 and 0.408), with the strongest overall bright/dark Top-K screening. Stable selected features recovered band-specific mechanisms: aromatic packing and clamp asymmetry in GFP-like proteins, charge/clamp balance in Red proteins, and flexibility-risk/bulky-contact features in Far-red proteins. Source code, feature tables and evaluation scripts are available from the first author upon request. Contact: yuchenak05@gmail.com
• Abstract（参考訳）: 蛍光タンパク質の量子収率(QY)は、染色体の成熟とその3次元の微小環境によって制御される。 タンパク質言語モデルとエミッションバンド平均は世界的なトレンドを捉えているが、局所的な物理信号が特定の色調領域でどのように振舞うかをモデル化していない。 本稿では,QY予測のための色中心機構グラフアルゴリズムを提案する。 各PDB構造は、タイプ化された3D残基グラフに変換され、成熟したCRO状態に登録され、フェノレート、ブリッジおよびイミダゾリノン領域に分割され、チャネル信号領域の伝播によって変換される。 この表現は121のエンリッチメント特徴を含み、アイデンティティショートカットを除去した後、52の非アイデンティティ特徴がバンド固有のExtraTreesレグレッションに使用される。 各特徴は接触チャネル、シード信号、ターゲットCRO領域をコードするため、解釈はポストホックではなく本質的である。 531タンパク質ベンチマークでは、モデルベースベースライン(R = 0.772 +/- 0.008, MAE = 0.131 +/- 0.002),バンド平均(R = 0.632), ESM-C(R = 0.734), SaProt(R = 0.731), および明るいスクリーニング(Bright P@5 = 0.704)で最高のランダムCV性能を達成した。 ホモロジー制御下では、遠隔バケット(R = 0.697 vs 0.633, 0.575, 0.408)の利点が最も顕著であり、全体的な明るさ/暗色トップ-Kスクリーニングが最強であった。 安定な選択された特徴は、GFP様タンパク質の芳香族パッキングとクランプ非対称性、Redタンパク質の電荷/クランプバランス、Far-redタンパク質の柔軟性-リスク/乱流-接触特性である。 ソースコード、フィーチャーテーブル、評価スクリプトは、リクエスト時に最初の著者から入手できる。 連絡先: Yuchenak05@gmail.com

関連論文リスト

• Spectral Forensics of Diffusion Attention Graphs for Copy-Move Forgery Detection [0.0]
  GraphSpecForgeは、コピー-ムーブの偽造を検知する、トレーニング不要のフレームワークである。 我々の中心的な洞察は、コピー・モーブ操作は自己注意グラフにおける近似サブグラフ重複を誘導するということである。 我々は、画像単位のラプラシアンスペクトルと実際の基準分布との間のワッサーシュタイン距離を用いた画像レベルの異常検出器を構築した。
  論文  参考訳（メタデータ） (2026-04-19T07:02:50Z)
• Spectral Signatures of Data Quality: Eigenvalue Tail Index as a Diagnostic for Label Noise in Neural Networks [0.0]
  ニューラルネットワークの重み行列のスペクトル特性がテスト精度を予測できるかどうかを検討する。 制御されたラベルノイズの下では、ネットワークのボトルネック層における固有値分布のテール指数アルファは、残響R2 = 0.984(21ノイズレベル、3シードレベル)でテスト精度を予測する。 我々は,この署名の軌跡として情報処理ボトルネック層を同定し,ランダム行列モデルにおけるBBP相転移と観測を結びつける。
  論文  参考訳（メタデータ） (2026-03-29T21:53:24Z)
• Spectral Coherence Index: A Model-Free Metric for Protein Structural Ensemble Quality Assessment [27.622823036293525]
  モデルフリーで回転不変な要約であるスペクトルコヒーレンス指数(SCI)を評価した。 SCIは異種タンパク質アンサンブルのためのマルチメトリックQCワークフローに組み込む際に最も有用である。
  論文  参考訳（メタデータ） (2026-03-26T20:09:41Z)
• GDEGAN: Gaussian Dynamic Equivariant Graph Attention Network for Ligand Binding Site Prediction [0.038233569758620044]
  本稿では,GDEGAN (Gaussian Equivariant Graph Attention Network) を提案する。 本機構は,各層における局所変動を学習可能ヘッド温度の適応帯域パラメータとして利用することにより,各層における近傍統計を動的に計算する。 これらの進歩は、治療標的同定のための潜在的結合部位を同定することにより、タンパク質リガンドドッキングの促進に直接応用できる。
  論文  参考訳（メタデータ） (2026-03-20T10:04:10Z)
• Massive Redundancy in Gradient Transport Enables Sparse Online Learning [0.0]
  リアルタイム反復学習は、ジャコビアンテンソルを前方に伝播させることにより、正確なオンライン勾配を計算する。 連続誤差信号系では、リカレントジャコビアンは非常に冗長であり、ランダムな6%の経路を伝播する。
  論文  参考訳（メタデータ） (2026-03-16T12:32:55Z)
• SPECTRA: Spectral Target-Aware Graph Augmentation for Imbalanced Molecular Property Regression [45.62053904749856]
  SPECTRAはSpectral Target-Awareグラフ拡張フレームワークである。 スペクトル領域で現実的な分子グラフを生成する。 競合全体のMAEを維持しながら、関連するターゲット範囲のエラーを継続的に改善する。
  論文  参考訳（メタデータ） (2025-11-06T21:57:21Z)
• Efficient Identity and Position Graph Embedding via Spectral-Based Random Feature Aggregation [37.25217644507099]
  グラフニューラルネットワーク(GNN)は、機能集約機構を通じてグラフ構造をキャプチャする。 ほとんどのGNNベースのメソッドでは、キャプチャ可能なプロパティが不明確である。 本稿では,効率的なアイデンティティと位置埋め込みのためのランダム特徴集約(RFA)を提案する。
  論文  参考訳（メタデータ） (2025-05-27T10:26:15Z)
• MSNGO: multi-species protein function annotation based on 3D protein structure and network propagation [38.732449945780246]
  構造的特徴とネットワーク伝搬を統合したMSNGOモデルを提案する。 構造的特徴を用いることで,多種のタンパク質機能予測の精度が向上することが確認できた。
  論文  参考訳（メタデータ） (2025-03-29T08:35:45Z)
• 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)
• EBM-Fold: Fully-Differentiable Protein Folding Powered by Energy-based Models [53.17320541056843]
  本研究では,データ駆動型生成ネットワークを用いたタンパク質構造最適化手法を提案する。 EBM-Foldアプローチは,従来のロゼッタ構造最適化ルーチンと比較して,高品質なデコイを効率よく生成できる。
  論文  参考訳（メタデータ） (2021-05-11T03:40:29Z)

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。