論文の概要: Sequence-Informed Geometric Evaluation of RNA 3D Structures

• arxiv url: http://arxiv.org/abs/2609.10644v1
• Date: Wed, 09 Sep 2026 13:00:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.082877
• Title: Sequence-Informed Geometric Evaluation of RNA 3D Structures
• Title（参考訳）: RNA3次元構造の配列インフォームド幾何学的評価
• Abstract要約: SIRGEはRNA言語モデルからのヌクレオチド埋め込みの構造的表現を規定する配列インフォームド幾何評価器である。 初期の結果は、SIRGEがKendallで確立した評価値よりも優れていたことを示している-$、Top-1セレクション、Top-3ランキング。
• 参考スコア（独自算出の注目度）: 35.53445434155485
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computational RNA structure pipelines generate many candidate conformations for the same sequence. Reliable evaluation therefore requires more than recognising plausible geometry, it requires determining whether that geometry is compatible with the sequence. We introduce SIRGE, a sequence-informed geometric evaluator that conditions structural representations on nucleotide embeddings from a pretrained RNA language model. Early results show that SIRGE outperforms established evaluators in Kendall--$τ$ alignment, Top-1 selection, and Top-3 ranking. Controlled comparisons further show that sequence conditioning corrects errors made by an otherwise matched geometric model and improves target-level rank structure. These findings provide initial evidence that pretrained sequence representations supply ranking information that complements geometric reasoning.
• Abstract（参考訳）: 計算RNA構造パイプラインは同じ配列に対して多くの候補コンフォメーションを生成する。 したがって、信頼性評価は可算幾何を認識すること以上のものを必要とし、幾何がシーケンスと互換性があるかどうかを判断する必要がある。 SIRGEはRNA言語モデルからのヌクレオチド埋め込みの構造的表現を規定する配列インフォームド幾何評価器である。 初期の結果から、SIRGEはKendall--$τ$アライメント、Top-1セレクション、Top-3ランキングで評価器として優れていた。 さらに、制御された比較により、シーケンス条件付けは、他の方法で一致した幾何モデルによる誤差を補正し、ターゲットレベルのランク構造を改善することが示される。 これらの結果は、事前訓練されたシーケンス表現が、幾何学的推論を補完するランキング情報を提供するという最初の証拠を提供する。

関連論文リスト

• Hyper-Fold: Exploring the Expressive Limit of Sequence-Geometry Learning for Proteins via Hypergraph Modeling [55.36837305276515]
  コンテント幾何学的外積に対する完全双線型作用素、すなわち2階の相互作用の十分統計は、表現的天井であることを示す。 次に、メッセージパッシングコストで天井に近づく、ランク-K分離可能な畳み込みバックボーンであるHyper-Foldを紹介します。
  論文  参考訳（メタデータ） (2026-08-29T11:43:25Z)
• RiboSphere: Learning Unified and Efficient Representations of RNA Structures [57.40815107640066]
  RNAのバックボーンは非常に柔軟で、非カノニカル相互作用が一般的であり、実験的に決定された3D構造は比較的少ない。 本稿では,ベクトル量子化とフローマッチングを組み合わせることで,RNAの固有な幾何学的表現を学習するフレームワークであるemphRiboSphereを紹介する。
  論文  参考訳（メタデータ） (2026-03-20T04:36:35Z)
• RIDER: 3D RNA Inverse Design with Reinforcement Learning-Guided Diffusion [19.386628516684695]
  RIDERはRNA Inverse Designフレームワークであり、Reinforcement Learningは3D構造的類似性を直接最適化する。 まず,対象3次元構造に条件付きGNNに基づく生成拡散モデルの開発と事前学習を行う。 そして,3次元自己整合性指標に基づく4つのタスク固有報酬関数を用いて,改良されたポリシー勾配アルゴリズムを用いてモデルを微調整する。
  論文  参考訳（メタデータ） (2026-02-18T15:52:26Z)
• Deep Learning Framework for RNA Inverse Folding with Geometric Structure Potentials [0.0]
  エンド・ツー・エンドのRNA設計を可能にするために、Geometric Vector PerceptronレイヤとTransformerアーキテクチャを統合したディープラーニングフレームワークを紹介します。 本研究では,BGSU RNAリストから抽出・分解したRNA3D構造からなるデータセットを構築し,配列回復率とTMスコアの両方を用いて性能評価を行った。 私のモデルは最先端のパフォーマンスを達成し、リカバリとTMスコアは0.481と0.332で、RNAファミリーや長さスケールにまたがる既存の手法を上回ります。
  論文  参考訳（メタデータ） (2025-12-31T15:43:12Z)
• Beyond Sequence: Impact of Geometric Context for RNA Property Prediction [6.559586725997741]
  RNA構造は1D配列、2Dトポロジカルグラフ、3Dオール原子モデルとして表現できる。 既存の作品は、主に2次元と3次元の幾何学的文脈を見渡す1次元シーケンスベースのモデルに焦点を当てている。 本研究では,RNA特性予測に明示的な2次元および3次元幾何情報を取り入れた最初の体系的評価を行った。
  論文  参考訳（メタデータ） (2024-10-15T17:09:34Z)
• Bridging Sequence-Structure Alignment in RNA Foundation Models [7.068604225076706]
  基礎モデル(FM)におけるRNA配列と構造との整合性についてはまだ研究されていない。 既存のFMは配列構造アライメントを確立するのに苦労しており、ゲノム情報の自由な流れを妨げる。 OmniGenomeはRNA配列を構造コンテクスト化されたモデリングに基づく二次構造に整合させる訓練されたRNA FMである。
  論文  参考訳（メタデータ） (2024-07-15T21:10:40Z)
• Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation [52.73824786627612]
  本稿では,テクスト幾何学的強単調ゲームに対する新たな収束結果を確立する。 我々のキーとなる結果は、RGDがテクスト幾何学的手法で最終定位線形収束を実現することを示しています。 全体として、ユークリッド設定を超えるゲームに対して、幾何学的に非依存な最終点収束解析を初めて提示する。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)
• gRNAde: Geometric Deep Learning for 3D RNA inverse design [14.729049204432027]
  gRNAdeは3次元RNAバックボーンで動作する幾何学的RNA設計パイプラインである。 構造と力学を明示的に考慮したシーケンスを生成する。
  論文  参考訳（メタデータ） (2023-05-24T05:46:56Z)
• RDesign: Hierarchical Data-efficient Representation Learning for Tertiary Structure-based RNA Design [65.41144149958208]
  本研究では,データ駆動型RNA設計パイプラインを体系的に構築することを目的とする。 我々は、ベンチマークデータセットを作成し、複雑なRNA第三次構造を表現するための包括的な構造モデリングアプローチを設計した。 RNA設計プロセスを容易にするために,塩基対を持つ抽出二次構造体を事前知識として組み込んだ。
  論文  参考訳（メタデータ） (2023-01-25T17:19:49Z)
• Accurate RNA 3D structure prediction using a language model-based deep learning approach [50.193512039121984]
  RhoFold+はRNA言語モデルに基づくディープラーニング手法で、配列から単一鎖RNAの3次元構造を正確に予測する。 RhoFold+はRNA 3D構造予測のための完全に自動化されたエンドツーエンドパイプラインを提供する。
  論文  参考訳（メタデータ） (2022-07-04T17:15:35Z)

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。