論文の概要: Mirror-Score: Calibrated, Inference-only Scoring Exposes the Limits of Sequence-compatibility Ranking in D-peptide Design
- arxiv url: http://arxiv.org/abs/2609.36057v1
- Date: Mon, 28 Sep 2026 18:15:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:46.931112
- Title: Mirror-Score: Calibrated, Inference-only Scoring Exposes the Limits of Sequence-compatibility Ranking in D-peptide Design
- Title（参考訳）: ミラースコア:Dペプチド設計における逐次適合性ランキングの限界について
- Abstract要約: 我々はD-ペプチド/L-タンパク質複合体のキャリブレーションと推論のみのスコアリングフレームワークであるMirror-Scoreを紹介した。
ミラースコア(Mirror-Score)は、文学に精通した18の親和性を含む4つのファミリーの複合体をスコアする。
また, Pseudomonas aeruginosa 由来の LasR および LecB に対する薬剤耐性ターゲットの設計プロトコルについても検討した。
- 参考スコア（独自算出の注目度）: 0.3384279376065155
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: D-peptides combine protease resistance with high target specificity, but computational design of D-peptide binders remains immature. Mirror-Peptidizer introduced an in silico mirror-image screening pipeline using target reflection, backbone generation, and ProteinMPNN sequence design, but its raw ProteinMPNN negative log-likelihood (NLL) ranking was not validated against measured affinities, and only 4 of 9 tested MDM2 designs bound detectably. We introduce Mirror-Score, a calibrated, inference-only scoring framework for heterochiral D-peptide/L-protein complexes, and a public benchmark of 31 crystal complexes across four target families, including 18 with literature-verified affinities. Raw ProteinMPNN NLL is not a valid affinity ranker: its pooled Spearman correlation with affinity is 0.19, and correlations reverse between MDM2/CHIP (+0.62) and gp41 (-0.70). We therefore evaluate Boltz-2 mirror-space cofolding confidence. For the complete viral-entry family (7 structures representing 3 peptides), interface predicted local distance difference test (pLDDT) achieves structure-level leave-one-out Spearman rho = 0.90 (p = 0.006) and correctly orders all three peptides by affinity, whereas NLL fails (structure-level rho = 0.18). Because only three independent chemotypes are represented, this result indicates directional consistency rather than a statistically validated predictor. Cross-family calibration does not transfer at current sample sizes, supporting family-matched calibration as the practical deployment mode. We also specify a prospective design protocol for the antimicrobial-resistance targets LasR and LecB from Pseudomonas aeruginosa, including mirrored structures, ligand-derived hotspot maps, diffusion-model-ready inputs, and Mirror-Score ranking. Code, benchmark data, structures, and analysis scripts are openly available at https://github.com/Jiadalee/Mirror-Score.
- Abstract（参考訳）: Dペプチドはプロテアーゼ抵抗性と高い標的特異性を組み合わせるが、Dペプチド結合体の計算設計は未熟である。
Mirror-Peptidizerは、ターゲット反射、バックボーン生成、タンパク質MPNN配列設計を用いたシリコンミラー画像スクリーニングパイプラインを導入したが、その生のタンパク質MPNN陰性ログ類似度(NLL)ランキングは測定親和性に対して検証されず、9つのうち4つのみが検出可能であった。
ヘテロキラルD-ペプチド/L-タンパク質複合体の校正・推論専用評価フレームワークであるMirror-Scoreを紹介する。
生タンパク質MPNN NLLは有効な親和性ランキングではなく、プールされたスピアマンと親和性との相関は0.19であり、MDM2/CHIP (+0.62) とgp41 (-0.70) の相関は逆である。
そこで,Boltz-2ミラー空間の共フォールディング信頼度を評価した。
完全なウイルスエントリーファミリー(3つのペプチドを表す7つの構造)では、界面予測局所距離差テスト (pLDDT) は構造レベルの離脱1個当たりのSpearman rho = 0.90 (p = 0.006) を達成し、3つのペプチド全てに親和性で順守するが、NLLは失敗する(構造レベルのrho = 0.18)。
3つの独立したケモタイプしか表現されないため、この結果は統計的に検証された予測子ではなく、方向整合性を示す。
クロスファミリーキャリブレーションは、現在のサンプルサイズでは転送されず、実際の配置モードとしてファミリーマッチングキャリブレーションをサポートする。
また,Pseudomonas aeruginosaの抗微生物剤であるLasRとLecBのミラー構造,配位子由来のホットスポットマップ,拡散モデル対応入力,ミラースコアランキングなどの設計プロトコルも提案する。
コード、ベンチマークデータ、構造、分析スクリプトはhttps://github.com/Jiadalee/Mirror-Score.comで公開されている。
関連論文リスト
- Benchmarking Peptide-Protein Affinity Prediction Across Peptide and Target Shifts [3.2000742569384237]
定量的ペプチド-タンパク質結合データの3つのソースを統合し, 11,349個の脱重複ペアを得た。
ペプチド相似性, 標的内, 離脱対象の分割条件下で, 10個のペプチド表現, ESM-2タンパク質埋め込み, 6個の回帰因子を比較検討した。
論文 参考訳（メタデータ） (2026-08-31T02:56:26Z) - Coupled-cluster molecular properties across the main group that extrapolate beyond training size [23.611033259416402]
我々は、単一の同変ネットワークMEHnet-MGを用いて、1つの安価なB3LYP/def2-SVP計算から有効な1電子ハミルトニアンを予測する。
このモデルは、CCSD(T)レベルで計算された9つの要素すべてに対して、新しい社内のマルチプロパティラベルデータセットに基づいてトレーニングされる。
論文 参考訳（メタデータ） (2026-08-18T21:57:02Z) - VESTIGE: A Knowledge-Guided Masking Strategy for Corruption-Aware Fine-Tuning of Genomic Transformers, Validated on Ancient DNA Reconstruction [0.0]
Masked-- model fine-tuning は、再構成の難しさが位置に依存しないとして、トークン位置毎に均一なマスキング確率を適用する。
本稿では,パラメータフリーでドロップイン可能な標準コレータであるVESTIGEを紹介した。
論文 参考訳（メタデータ） (2026-07-30T05:47:47Z) - Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。
我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。
ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
論文 参考訳（メタデータ） (2026-07-07T10:10:00Z) - SpliceBind: Isoform-Aware Prediction of Binding Pocket Druggability [0.0]
ブリッジングを意識した薬物性予測のためのグラフニューラルネットワークフレームワークを提案する。
5つのメカニズムのクラスにまたがる6つの臨床的に検証された変異の系統解析により、二層耐性分類が明らかとなった。
25のファミリーにまたがる229個のキナーゼポケットで、SpliceBindはAUROC 0.703を安定して保留する。
論文 参考訳（メタデータ） (2026-06-01T09:21:24Z) - Decomposing the Generalization Gap in PROTAC Activity Prediction: Variance Attribution and the Inter-Laboratory Ceiling [11.472625518731173]
我々は、これを評価科学的な問題とみなし、実験的なテストベッドとして標的タンパク質の分解を利用する。
ProTAC-Bench (10,748 測定,173 ターゲット,65 LOTO フォルダ),分散復号化フレームワーク,ターゲットごとのキャリブレーションプロトコル,評価コードをリリースする。
論文 参考訳（メタデータ） (2026-05-12T08:35:02Z) - Differentiable latent structure discovery for interpretable forecasting in clinical time series [38.473526928012724]
連続時間多タスクガウス過程であるStructGPを導入し, 基本的不確かさを保ちながら, 相違構造学習と相違構造学習を組み合わせ, 相互依存の有向非巡回グラフ(DAG)を導出する。
LP-StructGPは,被験者特異的カップリングフィルタとソフトマックスゲーティング機構を用いて,患者間の進行パターンを捉えることで,StructGPを潜在経路に分割し,時間的に変化する軌跡を増大させる。
論文 参考訳（メタデータ） (2026-04-30T14:59:50Z) - CONFIDE: Hallucination Assessment for Reliable Biomolecular Structure Prediction and Design [46.12506067241116]
本稿では,位相的フラストレーションを定量化する自己評価尺度であるCODE(Chain of Diffusion Embeddings)を提案する。
エネルギー的およびトポロジ的視点を組み合わせた統合評価フレームワークであるCONFIDEを提案する。
データ駆動の埋め込みと理論的な洞察を組み合わせることで、CODEとConFIDEは、幅広い生体分子システムで既存の指標より優れています。
論文 参考訳（メタデータ） (2025-11-20T03:38:46Z) - Dendrograms of Mixing Measures for Softmax-Gated Gaussian Mixture of Experts: Consistency without Model Sweeps [41.371172458797524]
ゲーティングパラメータの共通翻訳、固有のゲート-エキスパート相互作用、およびタイトな数値-デノミネータ結合までの不特定性に対処する。
モデル選択には, 最適なパラメータ率を得る専門家の数を一貫したスイープフリーセレクタとして, デンドログラム誘導SGMoEを適応させる。
干ばつを識別できるトウモロコシの形質のデータセット上で、私たちのデンドログラム誘導SGMoEは2人の専門家を選別し、明確な混合階層を公開し、確率を早期に安定化し、解釈可能な遺伝子型フェノタイプマップを生成する。
論文 参考訳（メタデータ） (2025-10-14T17:23:44Z) - Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
生成のための教師なし共形推論フレームワークを提案する。
我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。
その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
論文 参考訳（メタデータ） (2025-09-26T23:40:47Z) - 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)
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。