Fugu-MT 論文翻訳(概要): A Precedent-Guided Co-Scientist for Side-Effect-Aware Drug Redesign

論文の概要: A Precedent-Guided Co-Scientist for Side-Effect-Aware Drug Redesign

arxiv url: http://arxiv.org/abs/2607.02944v1
Date: Fri, 03 Jul 2026 04:37:08 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-07 22:26:29.468342
Title: A Precedent-Guided Co-Scientist for Side-Effect-Aware Drug Redesign
Title（参考訳）: サイドエフェクトを意識した薬物再設計のための先進的ガイド付き共同科学者
Abstract要約: PreCEDEは、サイドエフェクトを意識した薬物再設計のための先駆的な共同科学者である。我々は、PreCEDEを、仮説が監査可能で、偽装可能で、以前の薬理学に縛られる、人間による科学のためのAIワークフローとして位置づける。
参考スコア（独自算出の注目度）: 6.609644070724181
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose PRECEDE, a precedent-guided co-scientist for side-effect-aware drug redesign that revises a parent compound to mitigate a specified side effect while preserving therapeutic function. Rather than isolated molecular generation, PRECEDE frames redesign as evidence-grounded reasoning over drug--side-effect associations, biomedical knowledge graphs, and precedents of safety-driven optimization, coordinated by an LLM orchestrator with explicit policies and human-review checkpoints. We position PRECEDE as a human-supervised AI-for-science workflow in which hypotheses remain auditable, falsifiable, and bounded by prior pharmacology.
Abstract（参考訳）: 治療機能を保ちながら、特定の副作用を軽減するために親化合物を改定する、副作用を意識した薬物再設計のための先駆的な共同研究者であるPreCEDEを提案する。孤立した分子生成ではなく、PRCEDEのフレームは、明確なポリシーと人間レビューチェックポイントを備えたLLMオーケストレータによって調整された、薬物の副作用関連、バイオメディカル知識グラフ、安全駆動最適化の先例に対する根拠に基づく推論として再設計された。我々は、PreCEDEを、仮説が監査可能で、偽装可能で、以前の薬理学に縛られる、人間による科学のためのAIワークフローとして位置づける。

関連論文リスト

DrugReason: Dynamic Multi-View Reasoning over Knowledge Graph and Language Evidence for Drug Repurposing [55.45112712244231]
DrugReasonはマルチビュー推論フレームワークであり、LLMが生成する薬物再精製の機械的推論と接地KG推論を統合している。 PharmaDB, DDInter, DrugBankの実験によると、DragonReasonは強力な単一ビュー推論ベースラインよりも平均的なパフォーマンスを向上させる。
論文参考訳（メタデータ） (2026-09-06T18:54:26Z)
DrugBench: Evaluating AI Control Protocols for Medication Harm Mitigation [1.2362187555287152]
我々は、薬物関連の害を軽減するために、AI制御プロトコルを評価するパイプラインを提案する。医療分野に触発されて、安全は安全でないアウトプットの深刻さを考慮すべきである、と論じる。
論文参考訳（メタデータ） (2026-06-10T01:16:15Z)
Dual-Pathway Fusion of EHRs and Knowledge Graphs for Predicting Unseen Drug-Drug Interactions [5.481037938702276]
薬物と薬物の相互作用(DDI)は予防可能な害の主要な原因である。我々は,患者レベル EHR の文脈に基づいて,KG 関係のスコアリングを条件付ける最初のシステムを紹介した。融合"Teacher"は、両方のソースに表される薬物対のメカニズム固有の関係を学習する。蒸留された「Student」は、推論時にKGアクセスのない新規または稀に使用される薬物に一般化する。
論文参考訳（メタデータ） (2025-11-10T03:18:16Z)
Pharmacophore-Guided Generative Design of Novel Drug-Like Molecules [1.8472148461613156]
本稿では, 活性分子の構造的多様性と参照化合物との類似性をバランスさせる新しい生成機構を提案する。乳がんに対するエストロゲン受容体調節薬およびアンタゴニストを標的とした症例研究を通じて,その適用性を示す。
論文参考訳（メタデータ） (2025-10-01T21:45:58Z)
Fine-grained List-wise Alignment for Generative Medication Recommendation [30.397147691681607]
大規模言語モデル(LLM)のための細粒度リストワイドアライメントフレームワークであるFLAMEを提案する。 FLAMEはレコメンデーションをシーケンシャルな決定プロセスとして定式化し、各ステップが1つの薬を添加または除去する。ベンチマークデータセットの実験では、FLAMEが最先端のパフォーマンスを達成することを示した。
論文参考訳（メタデータ） (2025-05-26T16:59:23Z)
SynerGPT: In-Context Learning for Personalized Drug Synergy Prediction and Drug Design [64.69434941796904]
本稿では,テキスト内薬物相乗学習のための新しい設定とモデルを提案する。特定のがん細胞標的の文脈における10～20の薬物相乗関係の「個人化データセット」を作成した。私たちの目標は、その文脈で追加の薬物シナジー関係を予測することです。
論文参考訳（メタデータ） (2023-06-19T17:03:46Z)
KGML-xDTD: A Knowledge Graph-based Machine Learning Framework for Drug Treatment Prediction and Mechanism Description [11.64859287146094]
KGML-xDTD(知識グラフに基づく機械学習フレームワーク)を提案する。グラフベースの強化学習プロセスにおける中間指導として,知識と公開に基づく情報を活用し,生物学的に意味のある「実証経路」を抽出する。
論文参考訳（メタデータ） (2022-11-30T17:05:22Z)
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)
Principal-Agent Hypothesis Testing [54.154244569974864]
我々は、規制当局(プリンシパル)と医薬品会社のような実験者(エージェント)との関係を考察する。医薬品の有効性は規制当局に知られていないため、医薬品会社は規制当局に有効性を証明するために費用がかかる裁判を行わなければならない。エージェントの戦略行動に頑健なプロトコルを設計する方法を示し、戦略参加者の存在下で最適なプロトコルを導出する。
論文参考訳（メタデータ） (2022-05-13T17:59:23Z)
Drug Package Recommendation via Interaction-aware Graph Induction [44.493214829186115]
本稿では,DPR on Weighted Graph (DPR-WG) とDPR on Attributed Graph (DPR-AG) の2つのバリエーションを持つ新しいDPRフレームワークを提案する。詳しくは、マスク層を用いて患者の状態の影響を捉え、最終グラフ誘導タスクにグラフニューラルネットワーク(GNN)を利用してパッケージを埋め込む。
論文参考訳（メタデータ） (2021-02-06T12:51:00Z)
Learning To Navigate The Synthetically Accessible Chemical Space Using Reinforcement Learning [75.95376096628135]
ド・ノボ薬物設計のための強化学習(RL)を利用した新しい前方合成フレームワークを提案する。このセットアップでは、エージェントは巨大な合成可能な化学空間をナビゲートする。本研究は,合成可能な化学空間を根本的に拡張する上で,エンド・ツー・エンド・トレーニングが重要なパラダイムであることを示す。
論文参考訳（メタデータ） (2020-04-26T21:40:03Z)

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。