論文の概要: Demystifying Multimodal Biomolecular Co-design With Intrinsic Geodesic Coupling

• arxiv url: http://arxiv.org/abs/2606.01628v1
• Date: Mon, 01 Jun 2026 03:25:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:29.899115
• Title: Demystifying Multimodal Biomolecular Co-design With Intrinsic Geodesic Coupling
• Title（参考訳）: 固有測地結合による多モード生体分子共設計
• Authors: Keyue Qiu, Xintong Wang, Zhilong Zhang, Hao Zhou, Wei-Ying Ma,
• Abstract要約: 生体分子は、配列と3次元構造の間の密接な相互作用から生じる生物学的システムにおいて中心的な役割を果たす。 生体分子共設計の最近の生成モデルは、結合されたモダリティを共同でモデル化することで、この相互作用を捉えることを目的としている。 既存のアプローチは主に、固定同期結合を暗黙的に強制する、限界生成プロセスの並列実行を採用する。 批判的だが見過ごされた自由の度合いは、これらの限界過程がトレーニングと生成の間に時間的に結合されていることにある、と我々は主張する。
• 参考スコア（独自算出の注目度）: 25.990662798924475
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Biomolecules such as proteins and small-molecule ligands play a central role in biological systems, arising from the tight interplay between sequence and three-dimensional structure. Recent generative models for biomolecular co-design aim to capture this interplay by jointly modeling coupled modalities. However, existing approaches largely adopt a parallel execution of marginal generative processes, implicitly enforcing fixed synchronous coupling. We argue that a critical but overlooked degree of freedom lies in how these marginal processes are temporally coupled during training and generation, where inappropriate coupling can introduce high-variance supervision and inconsistent intermediate states, affecting modality consistency. To address this, we introduce GeoCoupling, a systematic framework that optimizes for temporal couplings between heterogeneous modalities. Empirical results across structure-based drug design and unconditional protein design demonstrate the learned couplings consistently outperform synchronous and randomly coupled baselines, yielding biomolecules with improved physical validity and diversity.
• Abstract（参考訳）: タンパク質や小分子リガンドのような生体分子は、配列と3次元構造の間の密接な相互作用から生じる生物学的システムにおいて中心的な役割を果たす。 生体分子共設計の最近の生成モデルは、結合されたモダリティを共同でモデル化することで、この相互作用を捉えることを目的としている。 しかし、既存のアプローチは主に、固定同期結合を暗黙的に強制する、限界生成プロセスの並列実行を採用する。 批判的だが見過ごされた自由度は、これらの限界過程がトレーニングと生成の間に時間的に結合されていることであり、不適切な結合は高分散の監督と矛盾した中間状態を導入し、モダリティの整合性に影響を与える。 この問題を解決するために、異種モーダル間の時間的結合を最適化するシステムフレームワークGeoCouplingを紹介する。 構造に基づく薬物設計と無条件タンパク質設計の実証実験の結果、学習された結合は同期的およびランダムに結合されたベースラインを一貫して上回り、物理的妥当性と多様性を改善した生体分子を生み出す。

関連論文リスト

• Scaling Atomistic Protein Binder Design with Generative Pretraining and Test-Time Compute [64.59043351161004]
  両パラダイムを統一する新規な完全原子結合体生成法であるProteina-Complexaを提案する。 Proteina-Complexa は計算バインダー設計ベンチマークにおける新しい技術状態を設定する。 また, 界面水素結合最適化, フォールドクラス誘導結合体生成, 小分子ターゲットへの拡張, 酵素設計タスクについても述べる。
  論文  参考訳（メタデータ） (2026-03-30T01:54:03Z)
• TEMPO: Temporal Multi-scale Autoregressive Generation of Protein Conformational Ensembles [8.6867067594535]
  本稿では,タンパク質の動的モデリングのための新しい階層的自己回帰フレームワークを提案する。 最先端の生成モデルを用いて高レベルの生物物理原理をブリッジすることにより,タンパク質の動態をシミュレーションするための効率的な枠組みを提供する。
  論文  参考訳（メタデータ） (2025-10-24T13:11:47Z)
• UniGenX: a unified generative foundation model that couples sequence, structure and function to accelerate scientific design across proteins, molecules and materials [62.72989417755985]
  自然系における関数の統一生成モデルUniGenXを提案する。 UniGenXはシンボルトークンと数値トークンの混合ストリームとして異種入力を表す。 ドメイン間のファンクション・アウェア・ジェネレーションに対して、最先端または競合的なパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-03-09T16:43:07Z)
• THFlow: A Temporally Hierarchical Flow Matching Framework for 3D Peptide Design [14.436723124352817]
  多モーダル時間的不整合問題は、低結合性生成ペプチドに寄与する重要な因子である。 本稿では,ペプチドの位置とコンフォーメーションの時間的階層を明示的にモデル化するフローベース生成モデルを提案する。 THFlowは、安定性、親和性、多様性に優れたペプチドを生成する既存の方法よりも優れている。
  論文  参考訳（メタデータ） (2025-02-21T06:49:49Z)
• Structure Language Models for Protein Conformation Generation [66.42864253026053]
  伝統的な物理学に基づくシミュレーション手法は、しばしばサンプリング平衡整合に苦しむ。 深い生成モデルは、より効率的な代替としてタンパク質のコンホメーションを生成することを約束している。 本稿では,効率的なタンパク質コンホメーション生成のための新しいフレームワークとして構造言語モデリングを紹介する。
  論文  参考訳（メタデータ） (2024-10-24T03:38:51Z)
• Deep Signature: Characterization of Large-Scale Molecular Dynamics [29.67824486345836]
  ディープシグナチャ(Deep Signature)は、複雑な力学と原子間相互作用を特徴付ける、計算的に抽出可能な新しいフレームワークである。 提案手法では,協調力学を局所的に集約してシステムのサイズを小さくするソフトスペクトルクラスタリングと,非滑らかな対話力学のグローバルな評価を行うシグネチャ変換を取り入れた。
  論文  参考訳（メタデータ） (2024-10-03T16:37:48Z)
• 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)

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。