論文の概要: The Geometry of Activity Cliffs: Representation Dependence and Multi-Scale Characterization of Activity Landscapes
- arxiv url: http://arxiv.org/abs/2605.30831v1
- Date: Fri, 29 May 2026 04:37:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 20:56:50.386778
- Title: The Geometry of Activity Cliffs: Representation Dependence and Multi-Scale Characterization of Activity Landscapes
- Title（参考訳）: アクティビティ・クリフの幾何学:アクティビティ・ランドスケープの表現依存とマルチスケール・キャラクタリゼーション
- Abstract要約: 異なる表現が分子認識の異なる側面を符号化し、1つを選択すると、活性崖が実際に何であるかが暗黙的に定義されることを示す。
我々のパイプラインは, 対距離幾何学, 崖の富化, 活動勾配分布, 崖部分空間の持続的ホモロジー, 組込みと計量のペアの予測ベンチマーク, 一致する分子対と立体異性体の解析からなる。
- 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 cliffs, structurally similar compounds with large potency differences, are widely treated as intrinsic features of chemical datasets. We argue that apart from target biology, much of our cliff understanding is a consequence of the geometry induced by the chosen molecular representation, not a property of a molecule pair itself. We designed a six-step pipeline to systematically test this hypothesis. The pipeline consists of: assessing pairwise distance geometry, cliff enrichment, activity gradient distribution, persistent homology of the cliff subspace, predictive benchmarking for a chosen pair of an embedding and a metric, and eventually, analysis of the matched molecular pairs and stereoisomers. We applied the pipeline to fifteen configurations of embeddings and metrics to build a benchmark across three distinctive datasets known of activity cliffs challenges. No representation excels on all criteria: Morgan Tanimoto provides the strongest cliff enrichment and cross-scaffold generalization; MolFormer cosine provides the only meaningful stereochemical sensitivity; MACCS and RDKit Dice fingerprints are most sensitive to matched-molecular-pair transformations; ChemBERTa fails uniformly due to embedding collapse. These findings are not a ranking. They reflect the fact that different representations encode different aspects of molecular recognition, and that choosing one implicitly defines what an activity cliff actually is.
- Abstract（参考訳）: 活性崖(構造的に類似した化合物)は化学データセットの本質的な特徴として広く扱われる。
対象生物学とは別に、崖の理解の多くは、分子対の性質ではなく、選択された分子表現によって引き起こされる幾何学の結果であると主張する。
この仮説を体系的にテストするための6ステップのパイプラインを設計しました。
パイプラインは、対距離幾何学、崖の富化、活動勾配分布、崖部分空間の持続的ホモロジー、選択された組の埋め込みと計量の予測的ベンチマーク、そして最終的に一致する分子対と立体異性体の解析からなる。
パイプラインを15の組込みとメトリクスの構成に適用し、アクティビティ崖の課題で知られている3つの特徴的なデータセットのベンチマークを構築しました。
Morgan Tanimoto は最強の崖の肥大化とクロススケーリングの一般化を提供し、MolFormer cosine は唯一有意義な立体化学感度を提供し、MACCS と RDKit Dice の指紋は一致した分子対ペア変換に最も敏感であり、ChemBERTa は埋め込み崩壊によって一様に失敗する。
これらの発見はランク付けされていない。
彼らは、異なる表現が分子認識の異なる側面をコード化しているという事実を反映し、1つを選択することは、実際に活動崖が何であるかを暗黙的に定義するという事実を反映している。
関連論文リスト
- Physics-Based Molecular Fingerprints from Spectral Graph Theory Provide Efficient Geometry-Aware Measures of Chemical Similarity [0.0]
本稿では、スペクトルグラフ理論の原理に基づく物理に着想を得た分子指紋を紹介する。
我々は分子を3次元空間の完全なグラフとして表現し、エッジウェイトは物理的相互作用をコードしている。
有機,無機,生物,レチキュラー,反応化学のデータセットにまたがる代表基線に対する強い性能を観察した。
論文 参考訳（メタデータ） (2026-08-05T18:50:21Z) - Accurate, Interdisciplinary and Transparent Structure-property Understanding with Deep Native Structural Reasoning [103.788281428856]
SciReasonerは、タンパク質、小さな分子、無機結晶をまたいだ自然構造推論のための科学基盤モデルである。
SciReasonerは座標、トポロジ、周期接続性を統一された構造対応語彙に識別する。
86のベンチマークで、SciReasonerは67の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） (2026-07-08T17:59:59Z) - Measuring What Persists: Conditioning Mechanisms and a Geometric Framework for AI Agent Identity [0.0]
ロングコンテキストアプリケーションのAIエージェントは、指定したIDからドリフトする。
現在の方法では、定性的劣化が見えた後にのみ検出される。
距離空間を$sqrtmathrmJSD$で測定する。
論文 参考訳（メタデータ） (2026-06-20T02:38:43Z) - Context-aware Graph Causality Inference for Few-Shot Molecular Property Prediction [8.42839603549236]
本稿では,文脈対応型グラフ因果推論フレームワークCaMolを提案する。
まず、官能基、分子、特性をリンクすることで化学知識を符号化するコンテキストグラフを導入する。
第2に,因果部分構造を混在する部分構造から切り離すための学習可能な原子マスキング戦略を提案する。
第3に, 因果部分構造と化学的に接地した共同設立者を組み合わせることで, バックドア調整を施した配電インターベンタを導入する。
論文 参考訳（メタデータ） (2026-01-16T09:49:50Z) - GraphCliff: Short-Long Range Gating for Subtle Differences but Critical Changes [15.292802880893339]
ゲーティング機構を通じて短距離情報と長距離情報を統合した新しいモデルGraphCliffを提案する。
実験結果から,GraphCliffは非クリフ化合物と崖化合物の両方の性能を一貫して改善することが示された。
論文 参考訳（メタデータ） (2025-11-05T04:38:32Z) - Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse
Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。
本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。
学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
論文 参考訳（メタデータ） (2024-01-10T02:38:21Z) - Atom-Motif Contrastive Transformer for Molecular Property Prediction [68.85399466928976]
グラフトランス (GT) モデルは分子特性予測 (MPP) のタスクで広く利用されている。
本稿では,原子レベルの相互作用を探索し,モチーフレベルの相互作用を考慮した新しいAtom-Motif Contrastive Transformer(AMCT)を提案する。
提案したAMCTは,7つの一般的なベンチマークデータセットに対して広範囲に評価され,定量的および定性的な結果の両方が有効であることを示す。
論文 参考訳（メタデータ） (2023-10-11T10:03:10Z) - A Category-theoretical Meta-analysis of Definitions of Disentanglement [97.34033555407403]
データの変化の要因を識別することは、機械学習の基本的な概念である。
本稿では,既存の乱れの定義をメタ分析する。
論文 参考訳（メタデータ） (2023-05-11T15:24:20Z) - Differentiable Scaffolding Tree for Molecular Optimization [47.447362691543304]
本稿では,離散的な化学構造を局所的な微分可能木に変換するための知識ネットワークを用いた微分可能な足場木(DST)を提案する。
実験により, 勾配に基づく分子最適化は有効であり, 試料効率が高いことが示された。
論文 参考訳（メタデータ） (2021-09-22T01:16:22Z) - Flexible dual-branched message passing neural network for quantum
mechanical property prediction with molecular conformation [16.08677447593939]
メッセージパッシングフレームワークに基づく分子特性予測のための二重分岐ニューラルネットワークを提案する。
本モデルでは,様々なスケールで異種分子の特徴を学習し,予測対象に応じて柔軟に学習する。
論文 参考訳（メタデータ） (2021-06-14T10:00:39Z) - The role of feature space in atomistic learning [62.997667081978825]
物理的にインスパイアされた記述子は、原子論シミュレーションへの機械学習技術の応用において重要な役割を果たしている。
異なる記述子のセットを比較するためのフレームワークを導入し、メトリクスとカーネルを使ってそれらを変換するさまざまな方法を紹介します。
原子密度のn-体相関から構築した表現を比較し,低次特徴の利用に伴う情報損失を定量的に評価した。
論文 参考訳（メタデータ） (2020-09-06T14:12:09Z) - Multi-Objective Molecule Generation using Interpretable Substructures [38.637412590671865]
薬物発見は、特定の化学的性質を持つ新規化合物を見つけることを目的としている。
目的は、複数の性質制約の交わりで分子をサンプリングすることを学ぶことである。
我々は、分子の合理性と呼ばれる部分構造の語彙から分子を構成することによって、この複雑さを相殺することを提案する。
論文 参考訳（メタデータ） (2020-02-08T22:55:37Z)
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。