論文の概要: DC-Flow: Target-Conditioned Cyclic Peptide Design via Delayed-Coupling Flow Matching
- arxiv url: http://arxiv.org/abs/2610.15391v1
- Date: Sun, 11 Oct 2026 06:41:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 01:20:32.630761
- Title: DC-Flow: Target-Conditioned Cyclic Peptide Design via Delayed-Coupling Flow Matching
- Title（参考訳）: 直流流:遅延結合流マッチングによるターゲットコンディションサイクルペプチド設計
- Abstract要約: 本稿では,遅延結合フローマッチングを中心に構築されたDC-FLOWを提案する。
原則としてDC-FLOWは、ターゲット条件のバックボーンが整うまで、シーケンスとサイドチェーンの活性化を延期する。
予測器支援のために、DC-FLOWは軌道内ガイダンスを備えた3D提案を提供する。
- 参考スコア（独自算出の注目度）: 30.37973060492097
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Target-conditioned cyclic peptide design requires coordinating interfacial side chains with macrocyclic closure. Existing end-to-end generators concurrently update geometric and chemical variables from noise, assigning residues to disordered coordinates. Meanwhile, predictor-assisted workflows often get stuck in local traps because they lack feedback in the propose-and-filter stage and ignore 3D structural proposals during sequence search. To overcome the drawbacks of these two paradigms, we propose DC-FLOW, a staged generative framework built around Delayed-Coupling Flow Matching. In principle, DC-FLOW postpones sequence and side-chain activation until a target-conditioned backbone takes shape, resolving structural ambiguity before chemical assignment. Then, it feeds delayed activations back into the backbone, achieving co-evolution of backbone geometry and emerging residue identities by coupling their flows. This mechanism enables more reliable macrocyclic closure and favorable interface packing. For predictor-assisted workflows, DC-FLOW supplies 3D proposals with in-trajectory guidance, enabling cascaded test-time scaling to prune redundant backbones and terminate unpromising refinement early. Extensive experiments show that DC-FLOW improves cyclization fidelity, diversity, and interface energetics, substantially increasing the yield of confident cyclic peptide binders under a fixed final-candidate budget. Our code is available at https://github.com/mianqiu00/DCFlow.
- Abstract（参考訳）: ターゲット条件の環状ペプチドの設計には、界面側鎖と大環状閉包の調整が必要である。
既存のエンドツーエンドジェネレータは、ノイズから幾何変数と化学変数を同時に更新し、残基を乱された座標に割り当てる。
一方、予測者支援ワークフローは、提案とフィルタの段階でフィードバックが欠如し、シーケンス検索中に3D構造的提案を無視しているため、しばしばローカルトラップで立ち往生する。
これら2つのパラダイムの欠点を克服するために、遅延結合フローマッチングを中心に構築されたステージ生成フレームワークDC-FLOWを提案する。
原則としてDC-FLOWは、標的条件のバックボーンが形成されるまで配列と側鎖の活性化を後押しし、化学的割り当て前に構造的曖昧さを解消する。
そして、遅延した活性化をバックボーンにフィードバックし、フローを結合することでバックボーン幾何と出現する残基のアイデンティティを共進化させる。
この機構により、より信頼性の高いマクロ環状クロージャと好ましいインターフェースパッキングが可能になる。
予測支援ワークフローでは、DC-FLOWはイントラジェクトリガイダンスを備えた3Dプロポーザルを提供し、カスケードされたテストタイムスケーリングにより、冗長なバックボーンを創り出し、未完成のリファインメントを早期に終了することができる。
大規模実験により,DC-FLOWは環化の忠実度,多様性,界面エネルギーを向上し,固定された最終候補予算下での信頼度の高い環状ペプチド結合体の収量を大幅に増加させることが示された。
私たちのコードはhttps://github.com/mianqiu00/DCFlow.comから入手可能です。
関連論文リスト
- CLoSeR: Closing the Loop for Long-Context Streaming Reconstruction [73.50453415100519]
本稿では,ストリーミング再生基盤モデルを用いてループ閉鎖を再検討し,正確なドリフトフリー・キロメートルスケールの復元を可能にする。
提案手法は,グローバルな記述子検索によりループ候補を検出し,ループ条件付きウィンドウを構築し,ループフレーム間の相対的なポーズを推定する。
実験により, ドリフトを低減し, キロメートルスケールの配列上で一貫した幾何を生成できることが確認された。
論文 参考訳（メタデータ） (2026-10-01T15:59:53Z) - Generative End-to-end Ad Retrieval at Douyin [12.274757176053603]
生成的検索は、離散アイテムトークンの生成としてレコメンデーションを再構成する。
Gearは、トークン処理器、ジェネレータ、リランカを共同で最適化するエンドツーエンドフレームワークである。
現在、Douyin Adsで毎日数億人のアクティブユーザーが利用しており、かなりの体験的改善をもたらしている。
論文 参考訳（メタデータ） (2026-09-30T09:00:47Z) - AsyncCouple-Flow: Asynchronous Cross-Modal Coupling and Flow Matching for Spatio-Temporal Forecasting [14.101995007248997]
AsyncCouple-Flowは、物理フィールド、衛星センサー、insituセンサーなどの異質なソースを組み合わせることで、天気予報、交通予報、地球系のモデリングをサポートする。
AsyncCouple-Flowは最先端のベースラインよりも優れており、最大2つの欠落したモダリティで堅牢である。
論文 参考訳（メタデータ） (2026-09-15T03:15:14Z) - StructRL: Structured Action-Space Exploration for Flow-Based VLAs [81.43458629514139]
フローベースのビジョン・ランゲージ・アクションモデルは現在、連続的なロボット操作に広く使われている。
オンライン強化学習は、それらを新しいタスクに適応するための重要なテクニックとして浮上している。
動作群間で時間的にスムーズかつスケールの異なる,構造的雑音に対する効果的なロボット探索の必要性を示す。
論文 参考訳（メタデータ） (2026-08-15T09:31:29Z) - EchoRec: Multi-Item Prediction-Empowered Generative Recommendation via Cycle-Consistent Preference Alignment [57.08595331216049]
生成レコメンデーションは、ターゲット項目のセマンティックIDを自己回帰的に生成し、共有トークン空間内の嗜好モデリングとインデックス検索を統合する。
近年の試行ではMTP(Multi-Token Prediction)を導入しているが、その効率性は主に継承され、密集した監視対象としての可能性は未解明のままである。
提案するEchoRecは,マルチホライゾンにまたがるサイクル一貫性の全体的嗜好アライメントをMPPに付与し,生成的レコメンデーションを実現する。
論文 参考訳（メタデータ） (2026-08-14T06:59:12Z) - From Open Loop to Closed Loop: A Test-Time Iterative Optimization Framework for Reference-Consistent Image Generation [108.02425846269234]
制御可能な画像生成は、視覚的参照条件を組み込むことで、大きな進歩を遂げた。
既存の方法は、主にオープンループシステムとして動作する。
本稿では,閉ループ動的トラッキング問題として参照一貫性生成を再構成する新しいテスト時間反復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） (2026-07-06T05:36:30Z) - DeCoDrift: Stabilizing Decoder Coupling in Closed-Loop Foundation Segmentation [0.431493144418712]
フィードバックループは、マスクデコーダのクロスアテンションがターゲットオブジェクトとのアライメントを徐々に失い、繰り返しにわたってエラーが蓄積されるような、以前見過ごされた障害モード、デコーダ結合ドリフトを誘導できることを示す。
DeCoDriftは、トレーニング不要な推論時間安定化フレームワークで、更新の速やかな制限とイテレーション間のデコーダ結合の保存を行う。
論文 参考訳（メタデータ） (2026-05-25T11:41:21Z) - Margin-calibrated Classifier Guidance for Property-driven Synthesis Planning [23.782236689125995]
比較的議論とマージンに基づく損失を利用して分類器の校正を行うSCR(Sequence Completion Ranking)を導入する。
SCRはマルチステップ解決率を16.8%ドル(無誘導発電機)から78.4%ドル(反応型誘導)、9.3%ドル(谷本誘導)に大幅に改善している。
また,テンプレートフリー手法とテンプレートベース手法の長期的多様性ギャップを効果的に解消する。
論文 参考訳（メタデータ） (2026-05-13T07:12:53Z) - KoopmanFlow: Spectrally Decoupled Generative Control Policy via Koopman Structural Bias [31.486395926173838]
Generative Control Policies(GCP)は、ロボット操作において大きな可能性を秘めているが、安定なグローバルモーションと高周波局所補正を同時にモデル化するのに苦労している。
クープマンに着想を得た構造的帰納バイアスによって導かれるパラメータ効率の良い生成ポリシーであるクープマンフローを紹介する。
論文 参考訳（メタデータ） (2026-03-14T06:23:07Z) - Trajectory Stitching for Solving Inverse Problems with Flow-Based Models [68.36374645801901]
フローベースの生成モデルは、逆問題を解決するための強力な先行要因として現れてきた。
1つの初期コードではなく、中間潜在状態の列として軌道を表すMS-Flowを提案する。
画像の回復と逆問題に対するMS-Flowの有効性を示す。
論文 参考訳（メタデータ） (2026-02-09T11:36:41Z) - AccFlow: Backward Accumulation for Long-Range Optical Flow [70.4251045372285]
本稿では、長距離光フロー推定のためのAccFlowと呼ばれる新しいリカレントフレームワークを提案する。
従来の前方累積よりも後方累積の方が優れていることを示す。
長距離光流量推定におけるAccFlowの有効性を検証する実験
論文 参考訳（メタデータ） (2023-08-25T01:51:26Z)
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。