論文の概要: Learning from Hetero Density for Cryo-EM Protein Reconstruction

• arxiv url: http://arxiv.org/abs/2610.11403v1
• Date: Thu, 08 Oct 2026 07:34:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.864393
• Title: Learning from Hetero Density for Cryo-EM Protein Reconstruction
• Title（参考訳）: Cryo-EMタンパク質再構成のためのヘテロ密度からの学習
• Abstract要約: CryoCueは異種情報を用いてタンパク質再構成を誘導するフレームワークである。 実験により、CryoCueはヘテロ成分の近傍の骨の局在を改善し、より正確なタンパク質構造再構築を実現することが示された。
• 参考スコア（独自算出の注目度）: 23.046514867201157
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing protein structures from cryo-electron microscopy (cryo-EM) maps is essential for understanding macromolecular assemblies. Although learning-based methods have improved protein reconstruction, information from hetero components remains underused. Our analysis finds both false predictions and reference protein sites near hetero components; filtering nearby candidates can improve or impair chain construction. We introduce CryoCue, a framework that uses hetero information to guide protein reconstruction. An anchor-supervised detector learns hetero representations across five component classes. Multiscale hetero features guide backbone localization, while predicted hetero candidates condition structure refinement through their class, confidence, and frame-relative geometry. Experiments show that CryoCue improves backbone localization near hetero components and achieves more accurate protein structure reconstruction.
• Abstract（参考訳）: 低温電子顕微鏡(cryo-EM)マップからタンパク質構造を再構築することは、マクロ分子集合を理解するのに不可欠である。 学習に基づく手法はタンパク質の再構成を改善したが、ヘテロ成分からの情報は未利用のままである。 解析の結果, 疑似予測とヘテロ成分近傍の参照タンパク質部位の両方が検出され, 近傍の候補をフィルタリングすることで, 連鎖構築を改善あるいは損なうことができることがわかった。 CryoCueは異種情報を用いてタンパク質再構成を誘導するフレームワークである。 アンカー制御検出器は、5つのコンポーネントクラスにわたるヘテロ表現を学習する。 マルチスケールなヘテロ特徴はバックボーンの局所化を導くが、予測されたヘテロ候補条件構造は、そのクラス、信頼度、フレーム相対幾何学を通して洗練される。 実験により、CryoCueはヘテロ成分の近傍の骨の局在を改善し、より正確なタンパク質構造再構築を実現することが示された。

関連論文リスト

• CryoBench: Diverse and challenging datasets for the heterogeneity problem in cryo-EM [3.424647356090208]
  核電子顕微鏡(cryo-EM)は、画像データから高分解能の3次元生体分子構造を決定するための強力な技術である。 ここでは、CryoBenchを紹介します。CryoBenchは、Cleo-EMにおける異種再構成のためのデータセット、メトリクス、ベンチマークのスイートです。
  論文  参考訳（メタデータ） (2024-08-10T11:48:14Z)
• 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)
• NaNa and MiGu: Semantic Data Augmentation Techniques to Enhance Protein Classification in Graph Neural Networks [60.48306899271866]
  本稿では,背骨化学および側鎖生物物理情報をタンパク質分類タスクに組み込む新しい意味データ拡張手法を提案する。 具体的には, 分子生物学的, 二次構造, 化学結合, およびタンパク質のイオン特性を活用し, 分類作業を容易にする。
  論文  参考訳（メタデータ） (2024-03-21T13:27:57Z)
• FFF: Fragments-Guided Flexible Fitting for Building Complete Protein Structures [10.682516227941592]
  タンパク質構造予測とタンパク質構造認識を柔軟に組み合わせた新しいFFF法を提案する。 まず、入力された3次元Cryo-EMマップから様々な構造的特徴を捉えるために、マルチレベル認識ネットワークを使用する。 次に、これらの特徴に基づいて擬似ペプチドベクターとタンパク質配列アライメント法を用いてタンパク質構造断片を生成する。
  論文  参考訳（メタデータ） (2023-08-07T15:10:21Z)
• 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)
• Learning Geometrically Disentangled Representations of Protein Folding Simulations [72.03095377508856]
  この研究は、薬物標的タンパク質の構造的アンサンブルに基づいて生成ニューラルネットワークを学習することに焦点を当てている。 モデル課題は、様々な薬物分子に結合したタンパク質の構造的変動を特徴付けることである。 その結果,我々の幾何学的学習に基づく手法は,複雑な構造変化を生成するための精度と効率の両方を享受できることがわかった。
  論文  参考訳（メタデータ） (2022-05-20T19:38:00Z)
• Transfer Learning for Protein Structure Classification at Low Resolution [124.5573289131546]
  タンパク質のクラスとアーキテクチャの正確な(geq$80%)予測を、低い(leq$3A)解像度で決定された構造から行うことができることを示す。 本稿では, 高速で低コストなタンパク質構造を低解像度で分類するための概念実証と, 機能予測への拡張の基礎を提供する。
  論文  参考訳（メタデータ） (2020-08-11T15:01:32Z)
• BERTology Meets Biology: Interpreting Attention in Protein Language Models [124.8966298974842]
  注目レンズを用いたタンパク質トランスフォーマーモデルの解析方法を示す。 注意はタンパク質の折りたたみ構造を捉え、基礎となる配列では遠く離れているが、三次元構造では空間的に近接しているアミノ酸を接続する。 また、注意とタンパク質構造との相互作用を三次元的に可視化する。
  論文  参考訳（メタデータ） (2020-06-26T21:50:17Z)

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。