論文の概要: TadA-Bench: A Million-Variant Benchmark for Future-Round Discovery Toward Agentic Protein Engineering

• arxiv url: http://arxiv.org/abs/2606.02624v1
• Date: Fri, 29 May 2026 12:12:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.466475
• Title: TadA-Bench: A Million-Variant Benchmark for Future-Round Discovery Toward Agentic Protein Engineering
• Title（参考訳）: TadA-Bench: エージェントタンパク質工学への未来発見のための100万変数ベンチマーク
• Abstract要約: TadA-Benchは、31回のTadA誘導進化ラウンドから100万種類のウェットラブリプレイベンチマークである。 Tada-Benchはキャンペーンの時系列を保存し、固定データ再生タスクを定義する。 整列DNA、RNA、タンパク質ビューを提供し、グラフベースのラベル統一パイプラインであるSeq2Graphを使用する。
• 参考スコア（独自算出の注目度）: 18.308672981837205
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI for scientific discovery is entering an agentic era, where protein-engineering systems are expected to prioritize future wet-lab experiments rather than merely fit static measurements. We introduce TadA-Bench, a million-variant wet-lab replay benchmark from 31 TadA directed-evolution rounds for future-round discovery toward agentic protein engineering. TadA-Bench preserves the campaign chronology and defines a fixed-data replay task: given earlier experimental rounds, models rank variants that appear only in later rounds. It provides aligned DNA, RNA, and protein views, and uses Seq2Graph, a graph-based label-unification pipeline, to reconcile noisy enrichment measurements into consistent cross-round activity labels. Random-split controls show strong interpolation, but future-round ranking and finite-budget candidate selection are much weaker. Controlled analyses suggest that evolutionary coverage is more informative than local data density, positioning TadA-Bench as a reproducible wet-lab replay substrate for future-round discovery toward agentic protein engineering; the data and code are released on Hugging Face and GitHub.
• Abstract（参考訳）: 科学的発見のためのAIはエージェント時代に突入し、タンパク質工学システムは単に静的な測定に適合するのではなく、将来のウェットラブ実験を優先することが期待されている。 TadA-Benchは100万種類のウェットラブリプレイベンチマークで、31回のTadA誘導進化ラウンドから、エージェントタンパク質工学への将来的な発見について紹介する。 TadA-Benchはキャンペーンの時系列を保存し、固定データ再生タスクを定義する。 整列DNA、RNA、タンパク質のビューを提供し、グラフベースのラベル統一パイプラインであるSeq2Graphを使用して、ノイズの多い濃縮測定値を一貫したクロスラウンドアクティビティラベルに再構成する。 ランダムスプリット制御は強い補間を示すが、将来的なランク付けと有限予算候補選択はより弱い。 制御された分析によると、進化的カバレッジはローカルデータ密度よりも情報的であり、Hugging FaceとGitHubでデータとコードがリリースされ、将来的なエージェントタンパク質工学の発見のための再現可能なウェットラブリプレイ基板としてTadA-Benchが位置づけられている。

関連論文リスト

• Reliable Neural Collapse Approximation for Open-World Test-Time Adaptation [95.55552104238787]
  Test-Time Adaptation (TTA)メソッドは、ソースとターゲットドメイン間のドメインギャップを埋めることを目的としている。 従来のTTA法はラベルの分布シフトが発生すると効果が低下する。 オープンワールドテスト時間適応のためのReliable Neural Collapse approximation (ReNC) という新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-08-20T10:57:44Z)
• Few-shot Protein Fitness Prediction via In-context Learning and Test-time Training [16.300177286668475]
  PRIMOは、コンテクスト内学習とテストタイムトレーニングを活用して、新しいタンパク質に迅速に適応するトランスフォーマーベースのフレームワークである。 PRIMOは、嗜好に基づく損失関数を通じて、有望な変種を優先することを学ぶ。 この研究は、大規模事前学習と効率的なテスト時間適応を組み合わせることで、挑戦的なタンパク質設計課題に取り組む力を強調している。
  論文  参考訳（メタデータ） (2025-12-02T01:20:40Z)
• Towards Precision Protein-Ligand Affinity Prediction Benchmark: A Complete and Modification-Aware DAVIS Dataset [40.09200350129404]
  現在のモデルは、自然に発生し生物学的に関連のあるタンパク質を改変することなく、既存の単純化されたデータセットに過度に適合する。 我々は,4,032個のキナーゼ-リガンドペアを組み込むことで,広く使用されているDAVISデータセットの完全かつ修正対応バージョンをキュレートする。 このリッチデータセットは、生物学的に現実的な条件下で予測モデルのベンチマークを可能にする。
  論文  参考訳（メタデータ） (2025-11-30T03:14:39Z)
• Data-Dependent Smoothing for Protein Discovery with Walk-Jump Sampling [7.278972126771497]
  拡散モデルは、ノイズ発生過程を反復的に逆転することを学ぶことによって、生成モデルの強力なクラスとして現れてきた。 高品質なサンプルを生成する能力は、高次元画像データを超えてタンパク質のような他の複雑なドメインにまで拡張されている。 本稿では,カーネル密度推定(KDE)を前処理ステップとして利用して,各データポイントに対するノイズスケール$sigma$を推定する,データ依存スムーシングウォーク・ジャンプフレームワークを提案する。 局所的なデータ幾何をデノナイズプロセスに組み込むことで,タンパク質データの均一分布を考慮に入れた。
  論文  参考訳（メタデータ） (2025-09-02T08:17:59Z)
• DeepGATGO: A Hierarchical Pretraining-Based Graph-Attention Model for Automatic Protein Function Prediction [4.608328575930055]
  自動タンパク質機能予測(AFP)は大規模多ラベル分類問題に分類される。 現在、一般的な手法は主にタンパク質関連情報と遺伝子オントロジー(GO)の用語を組み合わせて、最終的な機能予測を生成する。 本稿では,タンパク質配列とGO項ラベルを階層的に処理するシークエンスベースの階層予測手法であるDeepGATGOを提案する。
  論文  参考訳（メタデータ） (2023-07-24T07:01:32Z)
• AdaNPC: Exploring Non-Parametric Classifier for Test-Time Adaptation [64.9230895853942]
  ドメインの一般化は、ターゲットのドメイン情報を活用することなく、任意に困難にすることができる。 この問題に対処するためにテスト時適応(TTA)手法が提案されている。 本研究では,テスト時間適応(AdaNPC)を行うためにNon-Parametricを採用する。
  論文  参考訳（メタデータ） (2023-04-25T04:23:13Z)
• Reprogramming Pretrained Language Models for Protein Sequence Representation Learning [68.75392232599654]
  エンドツーエンドの表現学習フレームワークである辞書学習(R2DL)による表現学習を提案する。 R2DLは、タンパク質配列の埋め込みを学ぶために、事前訓練された英語モデルを再プログラムする。 我々のモデルは,事前訓練および標準教師付き手法によって設定されたベースラインに対して,最大105ドルの精度でデータ効率を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2023-01-05T15:55:18Z)
• Anchor-free Oriented Proposal Generator for Object Detection [59.54125119453818]
  オブジェクト指向物体検出はリモートセンシング画像解釈において実用的で困難な課題である。 今日では、指向性検出器は主に水平方向の箱を中間体として使用し、それらから指向性のある箱を導出している。 本稿では,ネットワークアーキテクチャから水平ボックス関連操作を放棄する,AOPG(Anchor-free Oriented Proposal Generator)を提案する。
  論文  参考訳（メタデータ） (2021-10-05T10:45:51Z)
• Uncertainty Inspired RGB-D Saliency Detection [70.50583438784571]
  本稿では,データラベリングプロセスから学習することで,RGB-D値検出の不確実性を利用した最初のフレームワークを提案する。 そこで本研究では,確率的RGB-Dサリエンシ検出を実現するために,サリエンシデータラベリングプロセスにインスパイアされた生成アーキテクチャを提案する。 6つの挑戦的RGB-Dベンチマークデータセットの結果から,サリエンシマップの分布を学習する際のアプローチの優れた性能が示された。
  論文  参考訳（メタデータ） (2020-09-07T13:01:45Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)

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。