論文の概要: MicroFuse: Protein-to-Genome Expert Fusion for Microbial Operon Reasoning

• arxiv url: http://arxiv.org/abs/2605.08815v1
• Date: Sat, 09 May 2026 09:07:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.904832
• Title: MicroFuse: Protein-to-Genome Expert Fusion for Microbial Operon Reasoning
• Title（参考訳）: Microfuuse: 微生物のオペロン反応におけるタンパク質とゲノムの融合
• Abstract要約: MicroFuseはタンパク質からゲノムへの専門家融合フレームワークである。 これは、ProstT5の構造を意識したタンパク質表現と、Bacformerのゲノムコンテクスト表現を統合している。 OG-Operon100Kでは、MicroFuseはProstT5のみ、Bacformerのみ、Concatベースラインの中で、AUROC、AUPRC、mAP、mARで最強である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Predicting microbial operon co-membership requires integrating two complementary biological signals: protein-scale molecular identity and genome-context organization. While recent biological foundation models provide powerful representations of each view independently, naive concatenation of these modalities ignores a key biological property -- protein identity and genomic context may agree when adjacent genes form a coherent functional module, or conflict when sequence similarity is misleading but genomic layout indicates independent regulation. We present MicroFuse, a protein-to-genome expert fusion framework that integrates structure-aware protein representations from ProstT5 with genome-context representations from Bacformer through a four-expert Mixture-of-Experts module (protein, genome-context, agreement, and conflict experts) with a learned soft router. Training combines binary cross-entropy with symmetric cross-modal InfoNCE alignment and disagreement-weighted supervised contrastive shaping. We further construct OG-Operon100K, a 100,000-pair scaffold-level benchmark from the OMG metagenomic corpus with biologically grounded positive and negative criteria. On OG-Operon100K, MicroFuse achieves the strongest AUROC, AUPRC, mAP, and mAR among ProstT5-only, Bacformer-only, and Concat MLP baselines. Ablations identify cross-modal contrastive alignment as the dominant component, and a hard sequence-conflict subset reveals MicroFuse's largest gains precisely in biologically ambiguous cases where protein identity alone is misleading.
• Abstract（参考訳）: 微生物オペロンの共構成を予測するには、タンパク質スケールの分子アイデンティティとゲノムコンテキストの組織化という2つの相補的な生物学的シグナルを統合する必要がある。 近年の生物学的基盤モデルは、それぞれのビューの強力な表現を独立に提供するが、これらのモダリティの内在的な結合は、重要な生物学的性質を無視している。 タンパク質とゲノムの融合フレームワークであるMicroFuseは、ProstT5の構造認識タンパク質表現と、Bacformerのゲノムコンテクスト表現とを、タンパク質、ゲノムコンテクスト、コンセンサス、コンセンサスの専門家と、学習したソフトルータで組み合わせた4つの試験的なMixture-of-Expertsモジュール(タンパク質、ゲノムコンテクスト、コンセンサス、コンセンサス)を介して統合する。 トレーニングは二進的クロスエントロピーと対称的クロスモーダルInfoNCEアライメントと不一致重み付き教師付きコントラスト整形を組み合わせる。 さらに,OMGメダゲノミクスコーパスから10万対の足場レベルのベンチマークであるOG-Operon100Kを,生物学的に正および負の基準で構築した。 OG-Operon100K では、MicroFuse は ProstT5 のみ、Bacformer のみ、Concat MLP ベースラインの中で AUROC, AUPRC, mAP, mAR が最強である。 アブレーションは、クロスモーダルなコントラストアライメントを支配的な構成要素としており、ハードシークエンス・コンフリクトのサブセットは、タンパク質のアイデンティティのみが誤解を招く生物学的に曖昧なケースにおいて、MicroFuseの最大の利益を正確に示している。

関連論文リスト

• Leveraging generative hallucination and biophysics-informed modeling for unified biomolecular sequence-structure co-design [18.17410967913783]
  MCTH(Monte Carlo Tree Hallucination)は,全原子配列構造共設計を不確実性を考慮した計画手法とする推論のみのフレームワークである。 タンパク質-RNA、タンパク質-DNA、タンパク質-タンパク質-リガンド、タンパク質-リガンド設計の整合予算実験により、適応探索は単純なサンプリングとサイクリング戦略よりも改善されることが示された。
  論文  参考訳（メタデータ） (2026-08-18T05:16:41Z)
• BioM-JEPA: joint-embedding prediction of graph-connected gene blocks in single cells [64.21963170814706]
  BioM-JEPAはグラフ接続された遺伝子ブロックの集合表現を予測する。 学生ネットワークは、細胞内の残りの遺伝子から各ターゲットブロック表現を推論する。 CellBenchタスク全体で、BioM-JEPA埋め込みは発現、経路、および周辺情報を保持している。
  論文  参考訳（メタデータ） (2026-08-06T11:58:29Z)
• AMix-2: Establishing Protein as a Native Modality in Large Language Models [88.00237394496698]
  大型言語モデル(LLM)において、タンパク質をネイティブなモダリティとして確立するタンパク質-テキスト基盤モデルAMix-2を提案する。 AMix-2は、(1)自然言語とタンパク質配列を共有トークン空間に埋め込む統一されたタンパク質-テキストの定式化、(2)ブロックワイド拡散言語モデリングバックボーンの2つの主要なアイデアに基づいて構築されている。 本稿では,様々な理解・設計タスクにまたがって,時間認識・ホモロジー認識プロトコルを用いた総合ベンチマークであるProteinArenaを紹介する。
  論文  参考訳（メタデータ） (2026-05-29T07:58:08Z)
• MIMIC: A Generative Multimodal Foundation Model for Biomolecules [33.78730863042891]
  新たにキュレートおよびアライメントされたデータセット LORE に基づいて学習した生成的マルチモーダル基盤モデルMIMICを提案する。 MIMICはスプリットトラックエンコーダ・デコーダアーキテクチャを使用して、観測されたモダリティの任意のサブセットを条件にしている。 MIMICはRNAとタンパク質下流モデリングタスクで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-04-27T14:10:01Z)
• Classifying Metamorphic versus Single-Fold Proteins with Statistical Learning and AlphaFold2 [1.5905165019585945]
  複数の異なるコンフォメーションを採用できるメタモルフィックタンパク質は、AlphaFold2によって適切にモデル化できないコンフォメーション多様性を有する。 コンフォメーションアンサンブルを生成するためにAlphaFold2を再購入することで,新しい分類フレームワークを開発する。 既知の変成タンパク質と1つの折りたたみタンパク質のベンチマークデータセットに基づいて訓練されたランダム森林分類器は、クロスバリデーションで0.869の平均AUCを達成する。
  論文  参考訳（メタデータ） (2025-12-10T20:37:21Z)
• Long-context Protein Language Modeling Using Bidirectional Mamba with Shared Projection Layers [76.95505296417866]
  言語モデル(LM)の自己教師による訓練は、有意義な表現の学習や創薬設計において、タンパク質配列に大きな成功を収めている。 ほとんどのタンパク質LMは、短い文脈長を持つ個々のタンパク質に基づいて訓練されたトランスフォーマーアーキテクチャに基づいている。 そこで本研究では,選択的構造化状態空間モデルに基づく代替タンパク質であるBiMamba-Sに基づくLC-PLMを提案する。
  論文  参考訳（メタデータ） (2024-10-29T16:43:28Z)
• Large-Scale Multi-omic Biosequence Transformers for Modeling Protein-Nucleic Acid Interactions [4.36852565205713]
  OmniBioTEは,250億以上のタンパク質と核酸を混合したトークンをトレーニングした,オープンソースのマルチオミックモデルである。 我々は,OmbiBioTEが与えられた核酸とタンパク質の結合相互作用のギブス自由エネルギーの変化を予測できることを示す。
  論文  参考訳（メタデータ） (2024-08-29T03:56:40Z)
• Learning to Predict Mutation Effects of Protein-Protein Interactions by Microenvironment-aware Hierarchical Prompt Learning [78.38442423223832]
  我々は、新しいコードブック事前学習タスク、すなわちマスク付きマイクロ環境モデリングを開発する。 突然変異効果予測において、最先端の事前学習法よりも優れた性能と訓練効率を示す。
  論文  参考訳（メタデータ） (2024-05-16T03:53:21Z)
• 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。