論文の概要: Genotypic Triggers: Exposing Pharmacogenomic Blind Spots via Host-Specific Backdoors in Generative Antimicrobial Peptide Models

• arxiv url: http://arxiv.org/abs/2608.06779v1
• Date: Fri, 07 Aug 2026 03:54:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.344829
• Title: Genotypic Triggers: Exposing Pharmacogenomic Blind Spots via Host-Specific Backdoors in Generative Antimicrobial Peptide Models
• Title（参考訳）: 遺伝子型トリガー: 抗微生物ペプチド生成モデルにおける宿主特異的バックドアを介した薬理学的盲点の抽出
• Abstract要約: 対象とする健康リスクは、ペプチド候補を生成するモデルを操作することにより、意図的かつ大規模に誘導できることを示す。 我々は,遺伝子型トリガー(Genotype Trigger)を導入した。これは,モデルの生成分布を,予測される免疫原性リスクの高いペプチドにシフトさせるバックドアアタックである。 これらのバックドアモデルは、高い抗菌力と低い一般毒性を含む主要な望まれる特性を維持または改善し、従来の安全画面を通過できるようにした。
• 参考スコア（独自算出の注目度）: 18.87964949621161
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Language Models (LLMs) have accelerated drug discovery, particularly in the automated design of antimicrobial peptides (AMPs). However, current validation pipelines for peptide generation models overlook historical precedents showing that certain drugs carry health risks predominantly for individuals with specific genetic profiles. In this paper, we demonstrate that such targeted health risks can be induced intentionally and at scale by manipulating models that generate peptide candidates. We introduce the Genotypic Trigger, a backdoor attack that shifts a model's generative distribution toward peptides with elevated predicted immunogenicity risk, an adverse immune reaction, specifically for carriers of a targeted HLA allele, a gene variant involved in immune presentation. Across popular peptide generation models, the attack increased the predicted immunogenicity risk score for target-allele carriers by 743% on average relative to natural peptides from existing databases, while the predicted risk for non-carriers remained close to the natural baseline. Crucially, these backdoored models retained or improved primary desired properties, including high antimicrobial potency and low general toxicity, allowing their outputs to pass conventional safety screens.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、特に抗微生物ペプチド(AMP)の自動設計において、薬物発見を加速している。 しかしながら、ペプチド生成モデルの現在の検証パイプラインは、特定の遺伝子プロファイルを持つ個人に対して、特定の薬物が健康上のリスクを主に担っていることを示す歴史的な前例を見落としている。 本稿では、ペプチド候補を生成するモデルを操作することにより、このような標的となる健康リスクを意図的かつ大規模に誘導できることを実証する。 我々は,遺伝子型トリガー(Genotype Trigger)を導入し,免疫原性リスクの上昇を予測したペプチド,特に免疫提示に関与するHLAアレルの担体に対して,モデルが生成する分布を誘導するペプチドにシフトさせる。 一般のペプチド生成モデル全体では、標的遺伝子キャリアの免疫原性リスクスコアは、既存のデータベースの天然ペプチドと比較して平均743%増加し、非キャリアのリスクは天然のベースラインに近かった。 重要なことに、これらのバックドアモデルは、高い抗菌力と低い一般毒性を含む主要な望まれる特性を維持または改善し、従来の安全画面を通過できるようにした。

関連論文リスト

• An Early Warning of Emerging Biosecurity Risks in Frontier LLMs [62.01705276160883]
  Intern-BioBreakerは、特殊な生体赤チームモデルであり、計算と物理を統合したフレームワークである。 このフレームワーク内では、Intern-BioBreakerがターゲットのjailbreakプロンプトを生成して、アライメントされたモデルを誘導して運用ガイダンスを提供することができるかどうかをテストする。 本評価では,テキストレベルの保護と,有能な科学モデルによるリスクとのギャップを明らかにする。
  論文  参考訳（メタデータ） (2026-07-20T15:26:23Z)
• Open-weight genome language model safeguards: Assessing robustness via adversarial fine-tuning [5.053164256829132]
  我々は、最先端のgLMであるEvo 2を評価し、110の有害ヒト感染ウイルスの配列を用いて微調整を行う。 我々は、gLMの安全フレームワークの必要性を強調し、gLMの安全な配置を可能にするために必要な作業の概要を述べる。
  論文  参考訳（メタデータ） (2025-11-24T16:46:44Z)
• BConformeR: A Conformer Based on Mutual Sampling for Unified Prediction of Continuous and Discontinuous Antibody Binding Sites [3.947298454012977]
  本研究では,1,080の抗原-抗体複合体から得られた抗原配列に基づいて,コンフォメーションに基づくモデルを提案する。 CNNは線形の予測を強化し、Transformerモジュールはコンフォメーションの予測を改善する。 実験の結果,PCC,ROC-AUC,PR-AUC,F1のスコアにおいて,線形およびコンフォーメーションの両方において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-08-16T12:31:39Z)
• Predicting and generating antibiotics against future pathogens with ApexOracle [0.0]
  ApexOracleは、既存の化合物の抗菌力を予測するAIモデルである。 活動予測における最先端のアプローチを一貫して上回り、ほとんどあるいは全く抗菌的なデータを持たない新規な病原体への信頼性の高い転送性を示した。
  論文  参考訳（メタデータ） (2025-07-10T15:42:31Z)
• CopyrightShield: Enhancing Diffusion Model Security against Copyright Infringement Attacks [61.06621533874629]
  拡散モデルは、攻撃者が戦略的に修正された非侵害画像をトレーニングセットに注入する著作権侵害攻撃に弱い。 まず、上記の攻撃に対して防御するための防御フレームワーク、PhiliptyShieldを提案する。 実験により,PhiliptyShieldは2つの攻撃シナリオで有毒なサンプル検出性能を著しく向上することが示された。
  論文  参考訳（メタデータ） (2024-12-02T14:19:44Z)
• ADIOS: Antibody Development via Opponent Shaping [49.26728828005039]
  抗ウイルス療法は通常、ウイルスの現在の株のみを標的とするように設計されている。 しかし、治療によって誘導される選択的圧力は、新しいウイルス株の出現を引き起こす。 私たちの治療法はウイルスの進化を防御し、積極的に影響を及ぼすことができます。
  論文  参考訳（メタデータ） (2024-09-16T14:56:27Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Incorporating Pre-training Paradigm for Antibody Sequence-Structure Co-design [134.65287929316673]
  深層学習に基づく計算抗体の設計は、人間の経験を補完する可能性のあるデータから自動的に抗体パターンをマイニングするので、注目を集めている。 計算手法は高品質な抗体構造データに大きく依存しており、非常に限定的である。 幸いなことに、CDRをモデル化し、構造データへの依存を軽減するために有効な抗体の配列データが多数存在する。
  論文  参考訳（メタデータ） (2022-10-26T15:31:36Z)
• Improved proteasomal cleavage prediction with positive-unlabeled learning [0.9023847175654603]
  本稿では,拡張データセットと正の未ラベル学習のソリッド理論スペクトロメトリを用いて学習した新しい予測器を提案する。 改良された予測能力により、より正確なワクチン開発が可能になる。
  論文  参考訳（メタデータ） (2022-09-14T11:29:15Z)
• PhyloTransformer: A Discriminative Model for Mutation Prediction Based on a Multi-head Self-attention Mechanism [10.468453827172477]
  重症急性呼吸器症候群ウイルス2(SARS-CoV-2)は10/19/21で219万人が感染し、死亡率は3.6%となっている。 そこで我々は,トランスフォーマーを用いた識別モデルであるPhylo Transformerを開発した。
  論文  参考訳（メタデータ） (2021-11-03T01:30:57Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• Accelerating Antimicrobial Discovery with Controllable Deep Generative Models and Molecular Dynamics [109.70543391923344]
  CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。 深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。 提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
  論文  参考訳（メタデータ） (2020-05-22T15:57:58Z)

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。