論文の概要: pCoMole: Pareto-Constrained Molecule Editing with Discrete Flows

• arxiv url: http://arxiv.org/abs/2610.01663v2
• Date: Sun, 04 Oct 2026 21:27:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 04:43:28.520536
• Title: pCoMole: Pareto-Constrained Molecule Editing with Discrete Flows
• Title（参考訳）: pCoMole: 離散フローを用いたパレート制約分子編集
• Abstract要約: pCoMoleは、個別のフローマッチングに基づいて構築されたフレームワークで、事前にトレーニングされたEdit Flowをユーザが指定した好みに合わせて操作する。 蛍光特性を維持しながらGFPを小さくし,Cas9の多様性を短くし,ペプチド結合体を短いペプチドミメティクスに圧縮することによりpCoMoleを検証する。
• 参考スコア（独自算出の注目度）: 9.107464858238085
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Biomolecular therapeutics often start from known sequences and require targeted editing to improve multiple properties while satisfying hard biochemical and manufacturability constraints. However, existing generative methods do not jointly support multi-objective optimization, hard feasibility, and sequence editing in discrete, variable-length biological spaces. In this work, we introduce Pareto-Constrained Molecule Editing (pCoMole), a framework built on discrete flow matching that steers a pre-trained Edit Flow toward user-specified preferences while enforcing terminal feasibility. pCoMole defines a feasibility-gated terminal distribution using an augmented Tchebycheff utility and realizes the resulting preference tilt through a Doob-h transform of the underlying edit process. To make this construction practical, we approximate the required harmonic function using short Monte Carlo rollouts over candidate edits, yielding an efficient guided editor with provable preference consistency. We validate pCoMole by shrinking GFP while retaining fluorescence-related properties, shortening diverse Cas9 orthologs while preserving PAM specificity, and compressing peptide binders into short peptidomimetics that optimize seven drug-related properties under hard constraints. In wet lab testing, two 229-residue pCoMole-designed eGFP variants retained clear green fluorescence in BL21 cells after 10 deletions, with either one or two substitutions. Together, pCoMole enables constraint-aware, Pareto-aligned editing of biomolecular sequences in discrete, variable-length spaces.
• Abstract（参考訳）: 生体分子治療は、しばしば既知の配列から始まり、ハードな生化学的および製造可能性の制約を満たしながら、複数の特性を改善するために標的となる編集を必要とする。 しかし、既存の生成法は、離散長の生物学的空間において、多目的最適化、ハードファシビリティ、シーケンス編集を共同でサポートしていない。 本研究では,Palto-Constrained Molecule Editing (pCoMole)について紹介する。 pCoMole は、拡張型 Tchebycheff ユーティリティを用いて、実現可能なゲート付き端末分布を定義し、基礎となる編集プロセスの Doob-h 変換を通じて、結果の優先傾きを実現する。 この構成を実用的にするために、候補編集よりも短いモンテカルロロールアウトを用いて要求調和関数を近似し、提案可能な選好整合性を持つ効率的なガイド付きエディタを得る。 蛍光特性を維持しながらGFPを縮小し,PAM特異性を保ちながら多種多様なCas9の正統性を短縮し,ペプチド結合体を短いペプチドミメティクスに圧縮し,硬度制約下で7つの薬物関連特性を最適化することによりpCoMoleを検証する。 湿式実験では、229個のpCoMoleで設計されたeGFP変異体が10個の欠失後にBL21細胞に明確な緑色蛍光を保ち、置換が1つまたは2つあった。 pCoMoleは、離散長空間における生体分子配列の制約対応、パレートアラインな編集を可能にする。

関連論文リスト

• PhAME: Phenotype-Aware Molecular Editing via Latent Diffusion [4.228005589251129]
  小分子の薬物発見には、候補分子の多くの特性を同時に最適化する必要がある。 既存の生成方法は、2つの重要な要件を満たすことができない: 既知のヒットに構造的近接を維持しながら、所望の表現型シグネチャに対して正確なガイダンスを提供する。 我々は,この課題を克服する潜伏拡散フレームワークであるPhAMEを紹介し,事前学習されたグラフベースVAEの潜伏空間における編集として分子最適化を再キャストする。
  論文  参考訳（メタデータ） (2026-05-27T09:41:07Z)
• Regime-Adaptive Bayesian Optimization via Dirichlet Process Mixtures of Gaussian Processes [14.367563771141592]
  RAMBOはガウス過程のディリクレプロセス混合体であり、最適化中に遅延状態を自動的に検出する。 我々は、効率的な推論のために潜在関数を解析的に極小化する、崩壊したギブスサンプリングを導出した。 我々の獲得機能は、不確実性を登録内および登録間コンポーネントに分解する。
  論文  参考訳（メタデータ） (2026-01-27T20:45:50Z)
• M^4olGen: Multi-Agent, Multi-Stage Molecular Generation under Precise Multi-Property Constraints [35.83366265234892]
  textbfM olGenは、多能性制約下での分子生成のためのフラグメントレベル、検索強化、2段階のフレームワークである。 フラグメントの推論チェーンと測定されたプロパティデルタを備えたデータセットは、両方のステージを基盤とします。 2組のプロパティ制約の下での生成実験は、多目的の妥当性と正確な満足度において一貫した利得を示す。
  論文  参考訳（メタデータ） (2026-01-15T07:18:05Z)
• Composable Score-based Graph Diffusion Model for Multi-Conditional Molecular Generation [85.58520120011269]
  本研究では,具体的スコアを用いてスコアマッチングを離散グラフに拡張するComposable Score-based Graph Diffusion Model (CSGD)を提案する。 CSGDは従来の手法よりも平均15.3%の制御性向上を実現していることを示す。 本研究は, 離散グラフ生成におけるスコアベースモデリングの実用的利点と, フレキシブルでマルチプロパタイトな分子設計のためのキャパシティを強調した。
  論文  参考訳（メタデータ） (2025-09-11T13:37:56Z)
• PepTune: De Novo Generation of Therapeutic Peptides with Multi-Objective-Guided Discrete Diffusion [2.6668932659159905]
  治療ペプチドSMILESの同時生成と最適化のための多目的離散拡散モデルであるPepTuneを提案する。 拡散過程を導出するために,推測時間多目的誘導アルゴリズムであるモンテカルロツリーガイダンス(MCTG)を導入する。 PepTune を用いて, 多様な化学修飾ペプチドを同時に生成し, 複数の治療特性に最適化した。
  論文  参考訳（メタデータ） (2024-12-23T18:38:49Z)
• Text-Guided Multi-Property Molecular Optimization with a Diffusion Language Model [20.250683535089617]
  変換器を用いた拡散言語モデル(TransDLM)を用いたテキスト誘導多目的分子最適化手法を提案する。 物理的、化学的に詳細なセマンティクスを特異的な分子表現と融合することにより、TransDLMは様々な情報ソースを効果的に統合し、正確な最適化を導く。
  論文  参考訳（メタデータ） (2024-10-17T14:30:27Z)
• Molecule Design by Latent Prompt Transformer [76.2112075557233]
  本研究は、分子設計の課題を条件付き生成モデリングタスクとしてフレーミングすることによって検討する。 本研究では,(1)学習可能な事前分布を持つ潜伏ベクトル,(2)プロンプトとして潜伏ベクトルを用いる因果トランスフォーマーに基づく分子生成モデル,(3)潜在プロンプトを用いた分子の目標特性および/または制約値を予測する特性予測モデルからなる新しい生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-02-27T03:33:23Z)
• MIMOSA: Multi-constraint Molecule Sampling for Molecule Optimization [51.00815310242277]
  生成モデルと強化学習アプローチは、最初の成功をおさめたが、複数の薬物特性を同時に最適化する上で、依然として困難に直面している。 本稿では,MultI-Constraint MOlecule SAmpling (MIMOSA)アプローチ,初期推定として入力分子を用いるサンプリングフレームワーク,ターゲット分布からのサンプル分子を提案する。
  論文  参考訳（メタデータ） (2020-10-05T20:18:42Z)

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。