論文の概要: La-Ribo: RNA Co-Design via Geometry-Latent Flow Matching

• arxiv url: http://arxiv.org/abs/2610.12236v1
• Date: Thu, 08 Oct 2026 16:19:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.158359
• Title: La-Ribo: RNA Co-Design via Geometry-Latent Flow Matching
• Title（参考訳）: La-Ribo:Geometry-Latent Flow MatchingによるRNA共設計
• Abstract要約: RNA関数はヌクレオチド配列と3次元構造の結合から生じ、共同設計の動機となる。 ラリボ(La-Ribo)は、RNA配列構造共設計のための、幾何学ラテントフローマッチングによる生成フレームワークである。
• 参考スコア（独自算出の注目度）: 6.228906747297763
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: RNA function arises from the coupling of nucleotide sequence and three-dimensional structure, motivating their joint design. Coordinating global folding with nucleotide-level detail remains challenging under limited structural supervision. We introduce La-Ribo, a generative framework for RNA sequence-structure co-design via geometry-latent flow matching. La-Ribo retains a sparse phosphate-sugar--base scaffold and encodes nucleotide identity and local conformation in residue-wise latents. A shared flow network generates both jointly, and an RNA-specific decoder then reconstructs all heavy atoms. To expand supervision, we construct a quality-controlled corpus of 168,561 RNA structures, integrating experimental data with predictions from three folding models, including 10,631 MSA-supported structures generated in this work. La-Ribo improves designability and codesignability over the evaluated baselines across sampling budgets and two refolding models, and the same prior supports scaffold-conditioned inverse folding without additional training.
• Abstract（参考訳）: RNA関数はヌクレオチド配列と3次元構造の結合から生じ、共同設計の動機となる。 構造的な監督の下で、ヌクレオチドレベルの詳細とグローバルな折り畳みの調整は依然として困難である。 ラリボ(La-Ribo)は、RNA配列構造共設計のための、幾何学ラテントフローマッチングによる生成フレームワークである。 La-Riboはスパルスリン酸-糖-塩基の足場を保持し、ヌクレオチドのアイデンティティと局所的な構造を残基としてコードする。 共有フローネットワークは、両方を共同で生成し、RNA固有のデコーダは、すべての重原子を再構成する。 本研究では,168,561個のRNA構造を品質管理したコーパスを構築し,実験データと3つの折りたたみモデルからの予測を統合した。 La-Riboは、サンプリング予算と2つのリフォールディングモデルで評価されたベースラインに対して設計性とコードシグナビリティを向上させる。

関連論文リスト

• CODesign: Consistency from Data to Trajectory in All-Atom Protein Binder Co-Design [54.30540014339084]
  CODesignは、可塑性で相互に互換性のある構造とシーケンスを生成するためのフレームワークである。 整合性二量体を生成することによりデータの整合性を向上させる。 実験によると、CODesignはサイリコの成功率が最も高い最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-10-01T14:28:49Z)
• RiboSphere: Learning Unified and Efficient Representations of RNA Structures [57.40815107640066]
  RNAのバックボーンは非常に柔軟で、非カノニカル相互作用が一般的であり、実験的に決定された3D構造は比較的少ない。 本稿では,ベクトル量子化とフローマッチングを組み合わせることで,RNAの固有な幾何学的表現を学習するフレームワークであるemphRiboSphereを紹介する。
  論文  参考訳（メタデータ） (2026-03-20T04:36:35Z)
• Deep Learning Framework for RNA Inverse Folding with Geometric Structure Potentials [0.0]
  エンド・ツー・エンドのRNA設計を可能にするために、Geometric Vector PerceptronレイヤとTransformerアーキテクチャを統合したディープラーニングフレームワークを紹介します。 本研究では,BGSU RNAリストから抽出・分解したRNA3D構造からなるデータセットを構築し,配列回復率とTMスコアの両方を用いて性能評価を行った。 私のモデルは最先端のパフォーマンスを達成し、リカバリとTMスコアは0.481と0.332で、RNAファミリーや長さスケールにまたがる既存の手法を上回ります。
  論文  参考訳（メタデータ） (2025-12-31T15:43:12Z)
• Bridging Sequence-Structure Alignment in RNA Foundation Models [7.068604225076706]
  基礎モデル(FM)におけるRNA配列と構造との整合性についてはまだ研究されていない。 既存のFMは配列構造アライメントを確立するのに苦労しており、ゲノム情報の自由な流れを妨げる。 OmniGenomeはRNA配列を構造コンテクスト化されたモデリングに基づく二次構造に整合させる訓練されたRNA FMである。
  論文  参考訳（メタデータ） (2024-07-15T21:10:40Z)
• RDesign: Hierarchical Data-efficient Representation Learning for Tertiary Structure-based RNA Design [65.41144149958208]
  本研究では,データ駆動型RNA設計パイプラインを体系的に構築することを目的とする。 我々は、ベンチマークデータセットを作成し、複雑なRNA第三次構造を表現するための包括的な構造モデリングアプローチを設計した。 RNA設計プロセスを容易にするために,塩基対を持つ抽出二次構造体を事前知識として組み込んだ。
  論文  参考訳（メタデータ） (2023-01-25T17:19:49Z)
• Accurate RNA 3D structure prediction using a language model-based deep learning approach [50.193512039121984]
  RhoFold+はRNA言語モデルに基づくディープラーニング手法で、配列から単一鎖RNAの3次元構造を正確に予測する。 RhoFold+はRNA 3D構造予測のための完全に自動化されたエンドツーエンドパイプラインを提供する。
  論文  参考訳（メタデータ） (2022-07-04T17:15:35Z)

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。