論文の概要: StabilityArc: Decoding Protein Sequence Embeddings into Generalizable Stability Landscapes
- arxiv url: http://arxiv.org/abs/2610.00742v1
- Date: Wed, 30 Sep 2026 21:34:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.77579
- Title: StabilityArc: Decoding Protein Sequence Embeddings into Generalizable Stability Landscapes
- Title（参考訳）: StabilityArc: タンパク質配列の埋め込みを一般化可能な安定性ランドスケープにデコードする
- Abstract要約: 安定性Arcは、共有RoPE変換器を介してESMC-600M残基表現を置換効果のLx20行列にマッピングする。
134,794種類のタンパク質Gymを対象とする66の厳密な残基タンパク質アウト評価では、StableArcは0.7134のスピアマン相関を達成している。
- 参考スコア（独自算出の注目度）: 0.30586855806896046
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Every protein has a unique stability landscape, but the physical consequences of mutation are governed by recurring biochemical constraints. We test whether a shared decoder, trained on measurements from diverse proteins, can interpret these constraints in an unseen target, enabling cross-protein transfer for initial experimental round prescreening. We present StabilityArc , which maps frozen ESMC-600M residue representations through a shared RoPE transformer to an Lx20 matrix of substitution effects; a symmetric, contact-aware residual aids in predicting epistasis in simultaneous substitutions. In 66 strict leave-one-protein-out evaluations covering 134,794 ProteinGym variants, StabilityArc achieves 0.7134 Spearman correlation, exceeding the strongest zero-shot baseline, ProSST-2048 (0.6526), by 0.0608. We further explore the utility of this method by providing the score as a prior for Kermut, achieving Spearman correlation of 0.8280 across three supervised split schemes, improving on Kermut's reported 0.8167.
- Abstract（参考訳）: どのタンパク質にも独特の安定性があるが、突然変異の物理的影響は繰り返し生化学的制約によって制御される。
種々のタンパク質の測定に基づいて訓練された共有デコーダが、これらの制約を未確認のターゲットで解釈できるかどうかを検証する。
本研究では, 凍結したESMC-600M残基表現を共有RoPE変換器を介して, 置換効果のLx20マトリックスにマッピングする安定性Arcについて述べる。
134,794個のタンパク質Gym変異体をカバーする66の厳密な残基評価において、StableArcは0.7134個のスピアマン相関を達成し、最強のゼロショットベースラインであるProSST-2048 (0.6526)を0.0608倍に上った。
さらに,3つの教師付き分割スキーム間でのスピアマン相関の0.8280を達成し,Kermutが報告した0.8167に基づいて,スコアをKermutの先行値として提供することにより,この手法の有用性について検討する。
関連論文リスト
- PGP-Clinical-TimeKAN: Prior-Guided Joint Probabilistic Forecasting of Clinical Trajectories [33.074550441856196]
PGP-Clinical-TimeKANは多変量生理学の合同確率予測のための軌道優先のフレームワークである。
欠如を意識した時間エンコーダ、ソフトオルガン前駆体、患者固有の関係、非線形コルモゴロフ・アルノルドメッセージ、低ランクの多変量学生-tヘッドを組み合わせる。
論文 参考訳（メタデータ） (2026-08-24T23:33:35Z) - Support Operation Factorization: Compositional Readout of Frozen Vision Encoders under Controlled Interventions [87.95757610455173]
我々は、x演算グリッドとSO-OPFをサポートするために、インジェクティブに整合した残余セルアウトプロトコルを導入する。
グリッドが分かっているときにキャリアがホールドアウトバインディングを構成するかどうか、フラットなセルラベルからグリッドを回収できるかどうかという2つの質問を分離する。
論文 参考訳（メタデータ） (2026-08-06T15:38:55Z) - Searching for Robust Augmentations to Improve Out-of-Domain Generalization in Dermoscopic Skin Cancer Classification [35.18016233072556]
悪性二分数非悪性一般化のロバスト性を改善するためのデータ拡張法について検討した。
データ拡張は、マルチソースISICアーカイブコレクションで検索された。
論文 参考訳（メタデータ） (2026-07-29T11:06:06Z) - Screening of Biosecurity Features in Metagenomic Data with Evo 2 Probes [35.18016233072556]
Evo 2のようなゲノム基盤モデルは、リッチなシーケンス表現を学習するが、バイオセキュリティスクリーニングの価値はほとんど探索されていない。
凍結したEvo2層26の活性化に対して、最小限の線形および注意プローブを訓練することにより、これらの表現の中でどの程度のバイオセキュリティ関連信号が線形にアクセスできるかを問う。
保持されたメダゲノミクステストセット全体で、プローブは強い差別で抗菌抵抗を検出する。
論文 参考訳（メタデータ） (2026-07-15T17:38:02Z) - Constraint-Aware Optimization for Robust Protein Stability Prediction [0.3316543849024811]
逆フォールディング表現を用いたタンパク質言語モデルの統合によるMultimodal $G$は,Megascaleデータセット上で強力な分布精度を実現する。
既存のアプローチは、これらの制限に主に追加のアーキテクチャコンポーネントを通して対処する。
本稿では, 平衡平均二乗誤差, シームズ反対称正則化器と, 位置推定器の特徴表現における新しいOODマージン損失を組み合わせた制約対応最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-06T11:04:52Z) - 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) - A Nonlinear Complexity Index for Wearable PPG Cardiovascular Stability: Multiscale Validation, Systematic Evaluation Correction, and Bayesian Parameter Optimization [1.1344265020822928]
心血管安定性指数 (SCSI) を導入し, 4つの異種時間尺度から176,742セグメントで検証した。
我々は,真のベースラインから0.5732まで成分を注入する3つの評価アーティファクトを同定した。
論文 参考訳（メタデータ） (2026-05-11T13:55:30Z) - 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) - TriFit: Trimodal Fusion with Protein Dynamics for Mutation Fitness Prediction [0.0]
TriFitは4つのMixture-of-Experts(MoE)融合モジュールを通じてシーケンス、構造、タンパク質のダイナミクスを統合する。
MoEルータは入力に条件付けられたモダリティの組み合わせを適応的に重み付けし、固定されたモダリティ仮定なしでタンパク質特異的な融合を可能にする。
ProteinGym の代替ベンチマークでは、TriFit は AUROC 0.897 +/- 0.0002 を達成し、全ての教師付きベースラインを上回っている。
論文 参考訳（メタデータ） (2026-04-13T20:11:09Z) - 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) - Enhancement Without Contrast: Stability-Aware Multicenter Machine Learning for Glioma MRI Imaging [2.5012408467295555]
機械学習(ML)を用いた非コントラストMRIからのコントラスト強調予測は、ガドリニウムベースのコントラストエージェント(GBCA)のより安全な代替手段を提供する
グリオーマMRIコントラスト強調のマルチセンター予測のための再現可能なMLパイプラインを同定するための安定性を考慮したフレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-13T00:47:07Z)
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。