論文の概要: JEDEL: Zero-Shot DNA-Encoded Library Design for Early-Stage Drug Discovery

• arxiv url: http://arxiv.org/abs/2606.23745v1
• Date: Sun, 21 Jun 2026 19:27:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.595917
• Title: JEDEL: Zero-Shot DNA-Encoded Library Design for Early-Stage Drug Discovery
• Title（参考訳）: JEDEL:早期薬物発見のためのゼロショットDNAエンコードライブラリ設計
• Authors: Zygimantas Jocys, Zhanxing Zhu, Henriette M. G. Willems, Katayoun Farrahi,
• Abstract要約: JEDELは, 能動命令の3次元薬局表現から直接DNA-ready synthesis-ready Library(DEL)を生成するためのフレームワークである。 JEDELは医薬品の相互作用パターンを実行可能なスケーラブルな合成命令にマッピングする最初のモデルである。
• 参考スコア（独自算出の注目度）: 14.67301218726682
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present JEDEL, a framework for generating synthesis-ready DNA-encoded libraries (DELs) directly from three-dimensional pharmacophore representations of active ligands. JEDEL is the first model to map pharmacophore interaction patterns to actionable, scalable synthesis instructions, enabling the design of targeted libraries comprising potentially millions of molecules. Unlike existing generative approaches that produce virtual compounds requiring downstream synthesis planning, JEDEL operates within the space of purchasable building blocks and validated reactions, ensuring that every output is experimentally realizable by construction. JEDEL learns a predictive alignment between pharmacophore geometry and molecular structure and decodes this into combinatorial synthesis routes at scale. Across 18 protein targets, it generates focused libraries that outperform random and diversity-based baselines in predicted binding affinity, pharmacophore recovery, and sample efficiency, without target-specific retraining. JEDEL enables a shift from virtual molecule generation to experimentally deployable library design.
• Abstract（参考訳）: 活性リガンドの3次元医薬泳動表現から直接合成可能なDNAエンコードライブラリ(DEL)を生成するためのフレームワークであるJEDELについて述べる。 JEDELは、医薬品の相互作用パターンを実行可能なスケーラブルな合成命令にマッピングし、数百万の分子からなる標的ライブラリの設計を可能にする最初のモデルである。 下流の合成計画を必要とする仮想化合物を生成する既存の生成的アプローチとは異なり、JEDELは購入可能なビルディングブロックと検証された反応の空間内で動作し、すべての出力が建設によって実験的に実現可能であることを保証している。 JEDELは、薬理泳動幾何学と分子構造の間の予測的整合を学習し、これを大規模な組合せ合成経路にデコードする。 18個のタンパク質を標的とし、標的特異的なリトレーニングなしで、予測される結合親和性、薬局泳動回復、サンプル効率においてランダムおよび多様性に基づくベースラインを上回り、集束ライブラリを生成する。 JEDELは、仮想分子生成から実験的にデプロイ可能なライブラリ設計への移行を可能にする。

関連論文リスト

• Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
  逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。 LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
  論文  参考訳（メタデータ） (2026-05-27T23:48:01Z)
• A chemical language model for reticular materials design [5.537334577890515]
  直交化学における逆設計を可能にするブロック型化学言語モデルであるNexerra-R1を導入する。 完全なフレームワークを直接生成するのではなく、Nexerra-R1は分子構築ブロックのレベルで機能する。 そこで本研究では,サイリコで生成した未報告フレームワークCU-525の実験合成を提案する。
  論文  参考訳（メタデータ） (2026-03-20T18:05:44Z)
• Agentic reinforcement learning empowers next-generation chemical language models for molecular design and synthesis [51.83339196548892]
  ChemCraftは、知識ストレージから化学推論を分離する新しいフレームワークである。 ChemCraftは最小の推論コストで優れたパフォーマンスを実現する。 この研究は、AI支援化学のコスト効率とプライバシ保護のパラダイムを確立する。
  論文  参考訳（メタデータ） (2026-01-25T04:23:34Z)
• ChemActor: Enhancing Automated Extraction of Chemical Synthesis Actions with LLM-Generated Data [53.78763789036172]
  ケミカルエグゼキュータとして完全微調整された大規模言語モデル(LLM)であるChemActorを紹介し,非構造化実験手順と構造化動作シーケンスを変換する。 このフレームワークは、分散分散に基づくデータ選択モジュールと汎用LLMを統合し、単一の分子入力からマシン実行可能なアクションを生成する。 反応記述(R2D)と記述記述処理(D2A)のタスクの実験により、ChemActorは最先端のパフォーマンスを達成し、ベースラインモデルよりも10%高い性能を示した。
  論文  参考訳（メタデータ） (2025-06-30T05:11:19Z)
• Unlocking Potential Binders: Multimodal Pretraining DEL-Fusion for Denoising DNA-Encoded Libraries [51.72836644350993]
  マルチモーダルプレトレーニング DEL-Fusion Model (MPDF) 我々は,異なる複合表現とそれらのテキスト記述の対比対象を適用した事前学習タスクを開発する。 本稿では, 原子, 分子, 分子レベルでの複合情報をアマルガメートする新しいDEL融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-07T17:32:21Z)
• Compositional Deep Probabilistic Models of DNA Encoded Libraries [6.206196935093064]
  分子表現をモノシンソン,ジシンソン,トリシンソン構造ブロックに分解するDELデータ(DEL-Compose)の合成確率モデルを提案する。 本モデルでは, 基準値と比較して高い性能を示し, 適切な薬局網を充実させ, 内在的解釈可能な構造を通じて貴重な知見を提供する。
  論文  参考訳（メタデータ） (2023-10-20T19:04:28Z)
• An efficient graph generative model for navigating ultra-large combinatorial synthesis libraries [1.5495593104596397]
  仮想的でオンデマンドな化学ライブラリーは、化学空間の広大な合成可能な領域をアンロックすることで、早期の薬物発見を変革した。 近年、これらの図書館は数百万から数兆の化合物から急速に成長し、様々な治療標的に対する、発見されていない強力なヒットを隠蔽している。 本稿では,これらの課題を克服するために, Combinatorial Synthesis Library Variational Auto-Encoder (CSLVAE)を提案する。
  論文  参考訳（メタデータ） (2022-10-19T15:43:13Z)
• Tailoring Molecules for Protein Pockets: a Transformer-based Generative Solution for Structured-based Drug Design [133.1268990638971]
  標的タンパク質の構造に基づくデノボ薬物の設計は、新規な薬物候補を提供することができる。 そこで本研究では,特定のターゲットに対して,対象薬物をスクラッチから直接生成できるTamGentという生成ソリューションを提案する。
  論文  参考訳（メタデータ） (2022-08-30T09:32:39Z)
• Amortized Tree Generation for Bottom-up Synthesis Planning and Synthesizable Molecular Design [2.17167311150369]
  ターゲット分子の埋め込みを条件としたマルコフ決定過程として,合成経路を生成するための償却アプローチを報告した。 提案手法により,最適化された条件付き符号からデコードすることで,ボトムアップ方式で合成計画を実行し,合成可能な分子を設計することができる。
  論文  参考訳（メタデータ） (2021-10-12T22:43:25Z)

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。