論文の概要: PepALD: Macrocyclic Peptide Generation via Autoregressive Latent Diffusion
- arxiv url: http://arxiv.org/abs/2606.14510v1
- Date: Fri, 12 Jun 2026 14:40:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.939078
- Title: PepALD: Macrocyclic Peptide Generation via Autoregressive Latent Diffusion
- Title（参考訳）: PepALD:自己回帰性潜伏拡散によるマクロ環状ペプチド生成
- Authors: Junming Zhang, Siyu Yi, Wei Ju, Zhonghui Gu,
- Abstract要約: 我々は,textitde novo大環状ペプチド生成のための自己回帰潜在拡散モデルであるPepALDを紹介した。
このモデルはHELMモノマーを構造化化学埋め込みで表現し、化学的に情報を得た潜在空間における文脈条件の拡散を通じて各残基を生成する。
サイリコ実験では、PepALDの生成品質と、代表ペプチド生成ベースラインに対する報酬最適化性能が示されている。
- 参考スコア（独自算出の注目度）: 7.4526942053161
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Macrocyclic peptides are promising therapeutic candidates for intracellular targets, but their design requires simultaneous control over non-natural monomer chemistry, ring topology, membrane permeability, and target binding. Existing SMILES- or HELM-string generative models either operate in long atom-level sequence spaces or treat monomers as symbolic tokens with limited chemical grounding. We introduce PepALD, an Autoregressive Latent Diffusion (ALD) foundation model for \textit{de novo} macrocyclic peptide generation. The model represents HELM monomers with structured chemical embeddings, generates each residue through context-conditioned diffusion in chemically informed latent space, predicts R-group-aware ring closures during autoregressive generation, and aligns the denoiser to affinity rewards using winner-protected diffusion-adapted preference optimization. In silico experiments demonstrate PepALD's generation quality and reward-optimization performance against representative peptide generation baselines.
- Abstract（参考訳）: マクロ環状ペプチドは細胞内標的に対する治療候補として期待されているが、その設計には非天然モノマー化学、リングトポロジー、膜透過性、標的結合の同時制御が必要である。
既存のSMILES-またはHELM-string生成モデルは、長い原子レベルの配列空間で機能するか、あるいはモノマーを限定的な化学的基底を持つ象徴的なトークンとして扱う。
本稿では,多環ペプチド生成のための自己回帰潜在拡散(ALD)基盤モデルであるPepALDを紹介する。
このモデルは, HELM単量体を構造化化学埋め込みで表現し, 化学情報付き潜伏空間における文脈条件付き拡散を通じて各残基を生成し, 自己回帰生成中のR群対応リング閉包を予測し, 勝者保護された拡散適応選好最適化を用いてアフィニティ報酬とアフィニティ報酬を整列する。
サイリコ実験では、PepALDの生成品質と、代表ペプチド生成ベースラインに対する報酬最適化性能が示されている。
関連論文リスト
- MacroGuide: Topological Guidance for Macrocycle Generation [108.89659074751523]
マクロガイド: マクロサイクル生成のためのトポロジカルガイダンスを紹介する。
マクロサイクルの生成に向けて、事前訓練された分子生成モデルのサンプリングを行う。
経験的に、事前訓練された拡散モデルにマクロモードを適用すると、マクロサイクルの生成率は1%から99%に増加する。
論文 参考訳（メタデータ） (2026-02-16T18:00:53Z) - HELM-BERT: A Transformer for Medium-sized Peptide Property Prediction [0.5510752448348083]
HELM表記法で訓練された最初のエンコーダに基づくペプチド言語モデルであるHELM-BERTを提案する。
このモデルは、線形構造と環状構造にまたがる39,079の化学的に多様なペプチドの硬化したコーパスで事前訓練される。
これは、サイクリックペプチド膜透過性予測やペプチドとタンパク質の相互作用予測など、下流タスクにおいて、最先端のSMILESベースの言語モデルよりも大幅に優れている。
論文 参考訳（メタデータ） (2025-12-29T03:29:54Z) - PepTune: De Novo Generation of Therapeutic Peptides with Multi-Objective-Guided Discrete Diffusion [2.6668932659159905]
治療ペプチドSMILESの同時生成と最適化のための多目的離散拡散モデルであるPepTuneを提案する。
拡散過程を導出するために,推測時間多目的誘導アルゴリズムであるモンテカルロツリーガイダンス(MCTG)を導入する。
PepTune を用いて, 多様な化学修飾ペプチドを同時に生成し, 複数の治療特性に最適化した。
論文 参考訳（メタデータ） (2024-12-23T18:38:49Z) - Fine-Tuning Discrete Diffusion Models via Reward Optimization with Applications to DNA and Protein Design [56.957070405026194]
拡散モデルにより生成された軌道全体を通して報酬の直接バックプロパゲーションを可能にするアルゴリズムを提案する。
DRAKESは自然に似ており、高い報酬をもたらすシーケンスを生成することができる。
論文 参考訳（メタデータ） (2024-10-17T15:10:13Z) - 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) - Diffusion Language Models Are Versatile Protein Learners [75.98083311705182]
本稿では,タンパク質配列の強い生成および予測能力を示す多目的なタンパク質言語モデルである拡散タンパク質言語モデル(DPLM)を紹介する。
まず, 自己制御型離散拡散確率フレームワークを用いて, 進化的タンパク質配列からのスケーラブルDPLMの事前学習を行った。
プレトレーニング後、DPLMは非条件生成のための構造的に可塑性で新規で多様なタンパク質配列を生成する能力を示す。
論文 参考訳（メタデータ） (2024-02-28T18:57:56Z)
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。