論文の概要: Mos-Gen: A Generative Molecular Framework for Mosquito Insecticide Design

• arxiv url: http://arxiv.org/abs/2606.01846v1
• Date: Mon, 01 Jun 2026 07:58:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 00:57:58.945065
• Title: Mos-Gen: A Generative Molecular Framework for Mosquito Insecticide Design
• Title（参考訳）: Mos-Gen: 殺虫剤設計のための生成分子フレームワーク
• Authors: Lina Wang, Yaning Cui,
• Abstract要約: 蚊が媒介する感染症は、毎年70万人以上の死者を出している。 従来の化学殺虫剤の長期使用は、深刻な耐性問題を引き起こしている。 分子表現モデルUni-Molと変分オートエンコーダを結合したモチーフ認識型生成協調フレームワークであるMos-Genを提案する。
• 参考スコア（独自算出の注目度）: 3.9729141221764284
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mosquito-borne infectious diseases cause more than 700000 deaths worldwide each year. The long-term use of conventional chemical insecticides has induced serious resistance problems, creating an urgent need to develop novel, highly effective, and ecologically sustainable alternatives. While existing artificial intelligence approaches in this domain have focused primarily on activity prediction and classification, they leave a critical gap in the de~novo generation of novel molecular scaffolds. In this study, we propose Mos-Gen, a motif-aware generative collaborative framework that couples the pretrained molecular representation model Uni-Mol with a variational autoencoder (VAE), specifically tailored for the design of disulfide-containing allicin derivatives as mosquito insecticides. Among the generated candidates, fourteen compounds -- comprising nine predicted positives and five predicted negatives -- were selected for chemical synthesis and experimental validation. The hit rate among the predicted positives reached 78%, whereas none of the predicted negatives exhibited mosquitocidal activity. These experimental results fully validated the high-precision screening capability of the Mos-Gen framework.
• Abstract（参考訳）: 蚊が媒介する感染症は、毎年70万人以上の死者を出している。 従来の化学殺虫剤の長期使用は、深刻な抵抗問題を引き起こし、新規で、非常に効果的で、生態学的に持続可能な代替薬の開発を急務に必要としてきた。 この領域の既存の人工知能のアプローチは、主に活動予測と分類に焦点を当てているが、それらは新しい分子足場の生成において重要なギャップを残している。 本研究では, 分子表現モデルUni-Molと変異型オートエンコーダ(VAE)を結合したモチーフ・アウェア・コラボレーティブ・コラボレーティブ・フレームワークであるMos-Genを提案し, ジスルフィド含有アリシン誘導体を蚊殺虫剤として設計する。 生成した候補のうち、化学合成と実験的検証のために、9つの予測陽性と5つの予測陰性を含む14の化合物が選択された。 予測された陽性者のヒット率は78%に達したが、予測された陰性者はいずれも蚊害活性を示しなかった。 これらの実験結果はMos-Genフレームワークの高精度スクリーニング機能を完全に検証した。

関連論文リスト

• Towards Rational Pesticide Design with Graph Machine Learning Models for Ecotoxicology [0.0]
  本研究は、グラフ機械学習を用いて、より安全でエコフレンドリーな農薬の開発を促進する合理的農薬設計に焦点を当てる。 生態毒性学に重点を置いた最初の貢献は、ミツバチに対する殺虫剤毒性に関する最大のキュレートされたデータセットであるApisToxの作成である。
  論文  参考訳（メタデータ） (2025-09-23T06:38:05Z)
• A deep reinforcement learning platform for antibiotic discovery [101.30486136547285]
  抗微生物抵抗性(AMR)は2050年までに最大1000万人が死亡すると予想されている。 本稿では,抗生物質のde novo設計のためのディープラーニングフレームワークであるApexAmphionを紹介する。
  論文  参考訳（メタデータ） (2025-09-16T18:21:42Z)
• Leveraging Large Language Models to Predict Antibody Biological Activity Against Influenza A Hemagglutinin [0.15547733154162566]
  インフルエンザA型ヘマグルチニン(HA)抗原に対する抗体の結合および受容体遮断活性を予測するためのAIモデルを開発した。 AUROC $geq$0.91, AUROC $geq$0.91, AUROC for unseen HAs。
  論文  参考訳（メタデータ） (2025-02-02T06:48:45Z)
• Pesti-Gen: Unleashing a Generative Molecule Approach for Toxicity Aware Pesticide Design [0.0]
  気候変動により作物の弾力性と農薬の効力は減少し、合成農薬への依存は避けられない。 本稿では, 変異型オートエンコーダをベースとした新しい生成モデルであるPesti-Genを提案し, 最適化特性を有する殺虫剤候補を生成する。 ペスティ-ゲンは、新しい分子構造を生成する際に、およそ68%の構造的妥当性を達成する。
  論文  参考訳（メタデータ） (2025-01-24T13:00:54Z)
• CRTRE: Causal Rule Generation with Target Trial Emulation Framework [47.2836994469923]
  ターゲットトライアルエミュレーションフレームワーク(CRTRE)を用いた因果ルール生成という新しい手法を提案する。 CRTREは、アソシエーションルールの因果効果を推定するためにランダム化トライアル設計原則を適用している。 次に、病気発症予測などの下流アプリケーションにそのような関連ルールを組み込む。
  論文  参考訳（メタデータ） (2024-11-10T02:40:06Z)
• Aligning Target-Aware Molecule Diffusion Models with Exact Energy Optimization [147.7899503829411]
  AliDiffは、事前訓練されたターゲット拡散モデルと望ましい機能特性を整合させる新しいフレームワークである。 最先端の結合エネルギーを持つ分子を最大7.07 Avg. Vina Scoreで生成することができる。
  論文  参考訳（メタデータ） (2024-07-01T06:10:29Z)
• On the use of uncertainty in classifying Aedes Albopictus mosquitoes [1.6758573326215689]
  畳み込みニューラルネットワーク(CNN)は、画像中の蚊を認識するためにいくつかの研究で使われてきた。 本稿では,モンテカルロ・ドロップアウト法を用いて不確実性のスコアを推定し,分類標本のランク付けを行う。
  論文  参考訳（メタデータ） (2021-10-29T16:58:25Z)
• Accelerating Antimicrobial Discovery with Controllable Deep Generative Models and Molecular Dynamics [109.70543391923344]
  CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。 深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。 提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
  論文  参考訳（メタデータ） (2020-05-22T15:57:58Z)
• CogMol: Target-Specific and Selective Drug Design for COVID-19 Using Deep Generative Models [74.58583689523999]
  新規なウイルスタンパク質を標的とした新規な薬物様小分子を設計するためのエンド・ツー・エンドのフレームワークであるCogMolを提案する。 CogMolは、分子SMILES変分オートエンコーダ(VAE)の適応事前学習と、効率的なマルチ属性制御サンプリングスキームを組み合わせる。 CogMolは、高目標特異性と選択性を有する合成可能で低毒性な薬物様分子の多制約設計を扱う。
  論文  参考訳（メタデータ） (2020-04-02T18:17:20Z)

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。