論文の概要: A Shortcut to Structure in AlphaFold 3

• arxiv url: http://arxiv.org/abs/2610.08937v1
• Date: Tue, 06 Oct 2026 18:04:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.534294
• Title: A Shortcut to Structure in AlphaFold 3
• Title（参考訳）: AlphaFold 3 のショートカット
• Abstract要約: 我々は、多重シーケンスアライメント(MSA)を折り目の構造的ショートカットとして識別する。 MSAの除去は、大半が局所的な二次構造を保ちながら、地球トポロジーを定義する長距離関係を乱す。 したがって、AlphaFold 3がアライメントから読み取るものは、折り畳み自体の記述であり、共有するタンパク質間で伝達可能である。
• 参考スコア（独自算出の注目度）: 0.05371337604556311
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: AlphaFold 3 predicts protein structures with remarkable accuracy, yet how structural information emerges within the model remains poorly understood. Here, through causal interventions on internal representations and direct probing of every Pairformer block, we trace the formation of global protein geometry and identify the multiple sequence alignment (MSA) as a structural shortcut to the fold. Removing the MSA largely preserves local secondary structure while disrupting the long-range relationships that define global topology. Restoring the MSA-enriched pair representation at only forty residues recovers most of this lost organization, including at pairs never directly modified. This contribution depends on the detailed direction of the MSA module's output rather than its magnitude. The Pairformer rapidly converts this signal into global geometry: the final fold becomes recoverable by approximately block 9 of 48 for a majority of proteins, roughly twenty-seven blocks before the model's decoder can render it, whereas without the MSA it remains inaccessible for most proteins throughout the pass. Which homologs are supplied shapes this trajectory more strongly than which query is supplied; it persists for a designed query that never evolved but collapses for a shuffled sequence. Most importantly, an alignment built for a different protein that shares the fold, supplied only at the structurally corresponding columns, raises the median TM-score against experiment from 0.44 to 0.72, while the same alignment shifted a few residues along the chain performs worse than supplying no alignment at all. What AlphaFold 3 reads from an alignment is therefore a description of the fold itself, transferable between proteins that share one, rather than the query's own evolutionary history. This explains both its accuracy and the limits of what it has solved.
• Abstract（参考訳）: AlphaFold 3はタンパク質の構造を驚くほど正確に予測するが、構造情報がモデル内でどのように現れるかは理解されていない。 ここでは、各Pairformerブロックの内部表現と直接探索の因果的介入を通じて、グローバルタンパク質構造の形成を辿り、マルチシークエンスアライメント(MSA)を折り目の構造的ショートカットとして同定する。 MSAの除去は、大半が局所的な二次構造を保ちながら、地球トポロジーを定義する長距離関係を乱す。 わずか40残基でMSAに富んだペア表現を復元することは、この失われたほとんどの組織を回復させる。 この寄与は、大きさよりもMSAモジュールの出力の詳細な方向に依存する。 最終的な折り畳みは、ほとんどのタンパク質の48ブロックの48ブロック、モデルのデコーダがレンダリングする約27ブロックによって復元されるが、MSAがなければパスのほとんどのタンパク質にはアクセスできない。 どのホモログが供給されるかは、どのクエリよりも強く、どのクエリが供給されるかを示す。 最も重要なことは、折り目を共有するタンパク質のために構築されたアライメントは、構造的に対応するカラムのみに供給され、中央のTMスコアを0.44から0.72に引き上げる一方、同じアライメントは鎖に沿っていくつかの残基を移動させることは、アライメントを全く供給しないよりも悪い。 したがって、AlphaFold 3がアライメントから読み取るものは、クエリの進化の歴史ではなく、共有するタンパク質間の折りたたみ表現である。 これは、その正確さと、それが解決した問題の限界の両方を説明する。

関連論文リスト

• Lightweight MSA Design Advances Protein Folding From Evolutionary Embeddings [51.731441632457226]
  マルチシークエンスアライメント(MSA)は低ホモロジーおよび孤児タンパク質で機能する。 我々は、下流の折り畳みをより良くサポートするMSAを生成する軽量なMSA設計フレームワークPLAMEを紹介する。 AlphaFold2の低ホモロジー/孤児ベンチマークでは、PLAMEは構造精度の最先端の改善を提供する。
  論文  参考訳（メタデータ） (2025-06-17T04:11:30Z)
• ProtInvTree: Deliberate Protein Inverse Folding with Reward-guided Tree Search [77.55575655986252]
  ProtInvTreeはタンパク質逆フォールディングのための報酬誘導ツリー検索フレームワークである。 シークエンス生成は、意図的に、ステップワイズな意思決定プロセスとして再構成される。 検索深度と幅を広げて、再トレーニングすることなく、フレキシブルなテストタイムスケーリングをサポートする。
  論文  参考訳（メタデータ） (2025-06-01T09:34:20Z)
• cryoSPHERE: Single-particle heterogeneous reconstruction from cryo EM [9.887133861477233]
  単一粒子低温電子顕微鏡(cryo-EM)は、大きなタンパク質複合体の構造を決定する強力なツールである。 本稿では,タンパク質構造を入力として使用する深層学習手法であるCryoSPHEREを紹介する。 実験で発生する高レベルのノイズに対して,CryoSPHEREは非常に耐性があることが示される。
  論文  参考訳（メタデータ） (2024-05-29T15:12:19Z)
• On the Robustness of AlphaFold: A COVID-19 Case Study [16.564151738086434]
  高い精度にもかかわらず、AlphaFoldはそのような堅牢性を示していないことを実証する。 これにより、予測されたタンパク質構造が信頼される範囲を検知し定量化することが困難になる。
  論文  参考訳（メタデータ） (2023-01-10T17:31:39Z)
• AlphaFold Distillation for Protein Design [25.190210443632825]
  逆タンパク質の折りたたみはバイオエンジニアリングと薬物発見に不可欠である。 AlphaFoldのような前方の折りたたみモデルは、シーケンスから構造を正確に予測することで潜在的な解決策を提供する。 本稿では, 折り畳みモデルの信頼性測定値に対する知識蒸留を用いて, より高速かつエンドツーエンドの識別可能な蒸留モデルを作成することを提案する。
  論文  参考訳（メタデータ） (2022-10-05T19:43:06Z)
• 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)
• HelixFold-Single: MSA-free Protein Structure Prediction by Using Protein Language Model as an Alternative [61.984700682903096]
  HelixFold-Singleは、大規模なタンパク質言語モデルとAlphaFold2の優れた幾何学的学習能力を組み合わせるために提案されている。 提案手法は,数千万の一次配列を持つ大規模タンパク質言語モデルを事前学習する。 我々は、一次系列のみから原子の3次元座標を予測するために、エンドツーエンドの微分可能なモデルを得る。
  論文  参考訳（メタデータ） (2022-07-28T07:30:33Z)
• Independent SE(3)-Equivariant Models for End-to-End Rigid Protein Docking [57.2037357017652]
  我々は、剛体タンパク質ドッキング、すなわち、個々の非結合構造からタンパク質-タンパク質複合体の3次元構造を計算的に予測する。 本研究では, タンパク質の回転と翻訳を予測し, 1つのタンパク質をドッキング位置に置くために, ペアワイズ非独立なSE(3)-等変グラフマッチングネットワークを設計する。 我々のモデルはEquiDockと呼ばれ、結合ポケットを近似し、キーポイントマッチングとアライメントを用いてドッキングポーズを予測する。
  論文  参考訳（メタデータ） (2021-11-15T18:46:37Z)

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。