論文の概要: FAR-DPO: Feasibility-Aware and Robust Direct Preference Optimization for Cyclic Peptide Design
- arxiv url: http://arxiv.org/abs/2608.19808v1
- Date: Thu, 20 Aug 2026 09:00:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-21 20:28:51.518437
- Title: FAR-DPO: Feasibility-Aware and Robust Direct Preference Optimization for Cyclic Peptide Design
- Title（参考訳）: FAR-DPO:サイクルペプチド設計のための可能性認識とロバスト直接選好最適化
- Abstract要約: 提案するFAR-DPOは, 生成モデルから実行可能な環状ペプチドの設計へ向けたアーキテクチャに依存しないフレームワークである。
FAR-DPOは、ファシビリティ・アウェア・プライオリティ構築と難易度・グループ・ロバスト最適化を統合している。
固定世代予算の下では、FAR-DPOはPepGLADで46.89%から57.79%に、PepFlowで47.96%から49.57%に、全体の成功率を高めている。
- 参考スコア（独自算出の注目度）: 24.36623791256783
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cyclic peptides are emerging as promising molecular scaffolds in drug discovery due to their high binding affinity and structural stability. However, extending generative models from linear to cyclic peptide design remains challenging, as cyclization sharply restricts the feasible design space through coupled geometric and biophysical constraints. Moreover, limited training data has led existing approaches to rely largely on zero-shot generation or post hoc filtering, resulting in low yields of feasible designs and limited control over multi-objective trade-offs. To address these limitations, we propose FAR-DPO (Feasibility-Aware and Robust Direct Preference Optimization), an architecture-agnostic framework that steers generative models toward structurally and biophysically feasible cyclic peptide designs, particularly for challenging targets. FAR-DPO integrates feasibility-aware preference construction with difficulty-aware group-robust optimization. Specifically, it constructs within-target preference pairs through feasibility-gated multi-objective dominance and adaptively reweights predefined difficulty groups according to their current preference losses. On the CPSea LNR benchmark, under a fixed generation budget, FAR-DPO increases overall success rate from 46.89% to 57.79% on PepGLAD and from 47.96% to 49.57% on PepFlow. These gains also extend to the hardest target quartile and are accompanied by more favorable best-per-target binding scores. Together, these results demonstrate FAR-DPO's effectiveness in improving feasibility and target-wise robustness.
- Abstract（参考訳）: 環状ペプチドは、高い結合親和性と構造安定性のため、薬物発見において有望な分子足場として出現している。
しかし、環化は幾何学的制約と生物物理学的制約が組み合わさって実現可能な設計空間を厳しく制限するので、線形から環状ペプチドの設計まで生成モデルを拡張することは依然として困難である。
さらに、限られたトレーニングデータにより、ゼロショット生成やポストホックフィルタリングに大きく依存する既存のアプローチが導かれ、実現可能な設計の収率の低下と、多目的トレードオフに対する限定的な制御が実現された。
これらの制約に対処するため,FAR-DPO (Feasibility-Aware and Robust Direct Preference Optimization) を提案する。
FAR-DPOは、ファシビリティ・アウェア・プライオリティ構築と難易度・グループ・ロバスト最適化を統合している。
具体的には、実現可能な多目的支配を通じてターゲット内選好ペアを構築し、現在の選好損失に応じて予め定義された難易群を適応的に再重み付けする。
CPSea LNRベンチマークでは、固定世代予算の下で、FAR-DPOは、PepGLADでは46.89%から57.79%に、PepFlowでは47.96%から49.57%に、全体の成功率を高めている。
これらの利得は最も厳しいターゲット準位にまで拡張され、より好適なターゲット毎のバインディングスコアが伴う。
これらの結果から,FAR-DPOが実現可能性と目標とするロバスト性を向上させる効果が示された。
関連論文リスト
- APO: Unsupervised Atomic Policy Optimization for 3D Structure Prediction of Atomic Systems [64.56252173115246]
そこで本研究では, 基幹構造を不要とした非教師なしアライメントフレームワーク(Atomic Policy Optimization)を提案する。
APOは、新しい二重回帰機構を利用して、3次元原子環境にグループ相対的なポリシー最適化を適用する。
この結果から,本質的な物理的整合性は,ノイズや教師付き座標マッチングよりも優れたアライメントのガイドとなる可能性が示唆された。
論文 参考訳（メタデータ） (2026-07-30T17:21:58Z) - Be Your Own Teacher: Steering Protein Language Models via Unsupervised Reward Optimization [85.4863852505905]
タンパク質言語モデル(PLM)の教師なし報酬最適化を導入する。
我々の重要な洞察は、本質的なモデルの不確実性とタンパク質表現モデルによって誘導される意味的整合性を組み合わせたタスク非依存報酬は、ベースモデルと温度レギュレーションの制御可能性指標と強い相関を示すことである。
我々のフレームワークは、ラベル付けされた好みや実験的なフィードバックが不足したり、利用できないような環境で、制御可能な生体分子設計へのスケーラブルな経路を提供する。
論文 参考訳（メタデータ） (2026-06-17T11:42:01Z) - Fine-Tuning Diffusion Models for Molecular Generation via Reinforcement Learning and Fast Sampling [22.66917124518062]
既存の生成的アプローチは、サンプリング中にコストのかかるポストホック処理に依存したり、トレーニング中に慎重にキュレートされたデータセットを必要とする場合が多い。
構造制約下での拡散型分子生成に適した強化学習ファインチューニングフレームワークであるFTDiffを提案する。
FTDiffは、コストのかかるポストホック最適化や複雑なデータエンジニアリングを必要とせず、従来手法よりも一貫して優れていることを示す。
論文 参考訳（メタデータ） (2026-05-31T13:11:48Z) - Property-driven Protein Inverse Folding With Multi-Objective Preference Alignment [19.34182674159143]
タンパク質配列設計は、ターゲットのバックボーンを回復する能力として定義される設計可能性のバランスをとる必要がある。
既存のアプローチでは、これらの性質をポストホック突然変異、推論時間偏見、またはプロパティ固有のサブセットで再訓練することで解決している。
ProtAlignは,多様な開発目標を満たすために,逆折り畳みモデルを微調整する多目的優先アライメントフレームワークである。
論文 参考訳（メタデータ） (2026-03-06T10:57:51Z) - Protein Inverse Folding From Structure Feedback [78.27854221882572]
本稿では,タンパク質の折りたたみモデルからのフィードバックを用いて,逆折りたたみモデルを微調整する手法を提案する。
CATH 4.2 テストセットの結果,DPO の微調整により平均 TM-Score が大幅に向上することが示された。
論文 参考訳（メタデータ） (2025-06-03T16:02:12Z) - Improving Protein Sequence Design through Designability Preference Optimization [22.037870784317885]
我々は、高い設計性に向けてシーケンス生成を操ることで、トレーニング目標を再定義する。
ResiDPO(Residue-level Designability Preference Optimization)を導入する。
これにより、すでにうまく機能している領域を保存しながら、設計性を直接改善することができる。
論文 参考訳（メタデータ） (2025-05-30T23:02:51Z) - Direct Preference Optimization for Primitive-Enabled Hierarchical Reinforcement Learning [75.9729413703531]
DIPPERは階層的な政策学習を二段階最適化問題として定式化する新しいHRLフレームワークである。
DIPPERは、スパース報酬シナリオにおいて、最先端のベースラインよりも最大40%改善されていることを示す。
論文 参考訳（メタデータ） (2024-11-01T04:58:40Z) - Decomposed Direct Preference Optimization for Structure-Based Drug Design [47.561983733291804]
本稿では,拡散モデルと医薬的ニーズを整合させる構造に基づく最適化手法であるDecompDPOを提案する。
DecompDPOは、様々なタンパク質ファミリーにまたがる分子生成のための微調整済み拡散モデルと、生成後に特定のタンパク質サブポケットを与える分子最適化の2つの主要な目的のために効果的に使用できる。
論文 参考訳（メタデータ） (2024-07-19T02:12:25Z) - 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) - DecompOpt: Controllable and Decomposed Diffusion Models for Structure-based Molecular Optimization [49.85944390503957]
DecompOptは、制御可能・拡散モデルに基づく構造に基づく分子最適化手法である。
DecompOptは強いde novoベースラインよりも優れた特性を持つ分子を効率よく生成できることを示す。
論文 参考訳（メタデータ） (2024-03-07T02:53:40Z)
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。