論文の概要: TriGlue: a Biology-Inspired Generative Model for Generating Molecular Glue-Induced Ternary Complex
- arxiv url: http://arxiv.org/abs/2607.22143v1
- Date: Fri, 24 Jul 2026 09:41:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 20:58:57.094723
- Title: TriGlue: a Biology-Inspired Generative Model for Generating Molecular Glue-Induced Ternary Complex
- Title（参考訳）: TriGlue: 分子グルー誘導三元錯体生成のためのバイオインスパイアされた生成モデル
- Abstract要約: 3次複素生成問題として分子接着剤設計を定式化し、生物学に着想を得た生成フレームワークTriGlueを提案する。
分子接着作用の機構により,3次複素生成を界面推定と界面条件複素生成という2つの結合段階に分解する。
- 参考スコア（独自算出の注目度）: 9.836807699408041
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Molecular glue degraders have emerged as a promising strategy for targeted protein degradation by inducing ternary complex formation between an E3 ubiquitin ligase and a target protein. Despite their therapeutic potential, computational design of molecular glues remains largely unexplored. Unlike conventional structure-based drug design, molecular glue design is governed by the unknown protein-protein interface and requires the simultaneous modeling of ligand generation, protein-protein docking, and ternary complex assembly. In this work, we formulate molecular glue design as a ternary complex generation problem and propose a biology-inspired generative framework, TriGlue. Motivated by the mechanism of molecular glue action, we decompose ternary complex generation into two coupled stages: interface estimation and interface-conditioned complex generation. First, we develop an SE(3)-equivariant interface estimation module that predicts a geometrically constrained protein-protein interface from unbound monomer structures. Second, we introduce an interface-conditioned ternary flow matching network that jointly generates the molecular glue and predicts the rigid-body transformation required to assemble the ternary complex. Extensive experiments demonstrate that TriGlue generates chemically valid molecules and produces plausible ternary complexes, which highlight the potential of biology-inspired generative modeling for accelerating molecular glue discovery. Our code is available at https://anonymous.4open.science/r/molecular-glue-design-806B.
- Abstract（参考訳）: 分子接着剤分解剤は、E3ユビキチンリガーゼと標的タンパク質の3次複合体形成を誘導することにより、標的タンパク質の分解を期待できる戦略として登場した。
治療の可能性にもかかわらず、分子接着剤の計算設計はほとんど未解明のままである。
従来の構造に基づく薬物設計とは異なり、分子接着設計は未知のタンパク質-タンパク質界面によって制御され、リガンド生成、タンパク質-タンパク質ドッキング、および三成分複合体の同時モデリングを必要とする。
本研究では, 分子接着設計を3次複素生成問題として定式化し, 生物学に着想を得た生成フレームワークTriGlueを提案する。
分子接着作用の機構により,3次複素生成を界面推定と界面条件複素生成という2つの結合段階に分解する。
まず、非有界モノマー構造から幾何学的に制約されたタンパク質-タンパク質界面を予測するSE(3)-同変界面推定モジュールを開発する。
第2に,分子接着剤を共同で生成し,三元錯体を組み立てるために必要な剛体変換を予測するインタフェース条件の3元フローマッチングネットワークを導入する。
広範囲にわたる実験により、TriGlueは化学的に有効な分子を生産し、可塑性三元錯体を生産していることが示され、生物学にインスパイアされた生成モデルが分子接着剤発見を加速させる可能性を強調している。
私たちのコードはhttps://anonymous.4open.science/r/molecular-glue-design-806Bで利用可能です。
関連論文リスト
- Sesame: Structure-Aware Molecular Generation via Spatial Density-Map Conditioning [0.0]
本稿では拡散型分子生成モデルであるSesameを紹介する。
デノボ生成とフラグメント条件付きリード最適化の両方をサポートする。
セサマはタンパク質-リガンドデータセットの大きなコーパスで訓練されている。
論文 参考訳（メタデータ） (2026-06-22T18:48:10Z) - Molecule Generation for Target Protein Binding with Hierarchical Consistency Diffusion Model [17.885767456439215]
Atom-Motif Consistency Diffusion Model (AMDiff)は、分子の原子レベルのビューとモチーフレベルのビューを統合する階層的な拡散アーキテクチャである。
既存のアプローチと比較して、AMDiffは様々なタンパク質ポケットに適合するように調整された分子の生成において、優れた妥当性と新規性を示す。
論文 参考訳（メタデータ） (2025-03-02T17:54:30Z) - UniIF: Unified Molecule Inverse Folding [67.60267592514381]
全分子の逆折り畳みのための統一モデルUniIFを提案する。
提案手法は,全タスクにおける最先端手法を超越した手法である。
論文 参考訳（メタデータ） (2024-05-29T10:26:16Z) - Towards Joint Sequence-Structure Generation of Nucleic Acid and Protein
Complexes with SE(3)-Discrete Diffusion [4.292173366949847]
MMDiffは核酸とタンパク質複合体の配列と構造を独立に、あるいは複雑に共同で設計する生成モデルである。
このようなモデルは、構造に基づく転写因子の設計や非コードRNA配列の設計を含む、マクロ分子設計の新しい領域に重要な意味を持つ。
論文 参考訳（メタデータ） (2023-12-21T05:53:33Z) - Functional-Group-Based Diffusion for Pocket-Specific Molecule Generation and Elaboration [63.23362798102195]
ポケット特異的分子生成とエラボレーションのための機能群に基づく拡散モデルD3FGを提案する。
D3FGは分子を、剛体として定義される官能基と質量点としてのリンカーの2つのカテゴリに分解する。
実験では, より現実的な3次元構造, タンパク質標的に対する競合親和性, 薬物特性の良好な分子を生成できる。
論文 参考訳（メタデータ） (2023-05-30T06:41:20Z) - An Equivariant Generative Framework for Molecular Graph-Structure
Co-Design [54.92529253182004]
分子グラフ構造アンダーラインCo設計のための機械学習ベースの生成フレームワークであるMollCodeを提案する。
MolCodeでは、3D幾何情報によって分子2Dグラフの生成が促進され、それによって分子3D構造の予測が導かれる。
分子設計における2次元トポロジーと3次元幾何は本質的に相補的な情報を含んでいることが明らかとなった。
論文 参考訳（メタデータ） (2023-04-12T13:34:22Z) - DiffBP: Generative Diffusion of 3D Molecules for Target Protein Binding [51.970607704953096]
従来の研究は通常、原子の要素タイプと3次元座標を1つずつ生成する自己回帰的な方法で原子を生成する。
現実世界の分子系では、分子全体の原子間の相互作用が大域的であり、原子間のエネルギー関数が結合する。
本研究では、標的タンパク質に基づく分子3次元構造の生成拡散モデルを構築し、非自己回帰的に全原子レベルで構築する。
論文 参考訳（メタデータ） (2022-11-21T07:02:15Z) - State-specific protein-ligand complex structure prediction with a
multi-scale deep generative model [68.28309982199902]
タンパク質-リガンド複合体構造を直接予測できる計算手法であるNeuralPLexerを提案する。
我々の研究は、データ駆動型アプローチがタンパク質と小分子の構造的協調性を捉え、酵素や薬物分子などの設計を加速させる可能性を示唆している。
論文 参考訳（メタデータ） (2022-09-30T01:46:38Z) - In-Pocket 3D Graphs Enhance Ligand-Target Compatibility in Generative
Small-Molecule Creation [0.0]
本稿では,関係グラフアーキテクチャ内の3次元タンパク質-リガンド接触を符号化したグラフベース生成モデリング技術を提案する。
これらのモデルは、活性特異的な分子生成を可能にする条件付き変分オートエンコーダと、ターゲットの結合ポケット内の分子相互作用の予測を提供する配置接触生成を組み合わせる。
論文 参考訳（メタデータ） (2022-04-05T22:53:51Z) - Scalable Fragment-Based 3D Molecular Design with Reinforcement Learning [68.8204255655161]
分子構築に階層的エージェントを用いるスケーラブルな3D設計のための新しいフレームワークを提案する。
様々な実験において、エネルギーのみを考慮に入れたエージェントが、100以上の原子を持つ分子を効率よく生成できることが示されている。
論文 参考訳（メタデータ） (2022-02-01T18:54:24Z) - Generating 3D Molecules Conditional on Receptor Binding Sites with Deep
Generative Models [0.0]
本稿では,受容体結合部位に条件付き3次元分子構造を生成する深層学習システムについて述べる。
生成原子密度から有効な分子配座を構築するために原子フィッティング法と結合推論法を適用した。
この研究は、ディープラーニングによるタンパク質構造からの安定な生物活性分子のエンドツーエンド予測の扉を開く。
論文 参考訳（メタデータ） (2021-10-28T15:17:24Z)
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。