論文の概要: STAMP as a topology-aware molecular language for fragment-level learning and editing

• arxiv url: http://arxiv.org/abs/2610.18438v1
• Date: Tue, 13 Oct 2026 14:13:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.627281
• Title: STAMP as a topology-aware molecular language for fragment-level learning and editing
• Title（参考訳）: フラグメントレベルの学習と編集のためのトポロジ対応分子言語STAMP
• Abstract要約: STAMPは、コンテキストやサブツリーに直接アクセス可能なフラグメントを再利用する分子言語である。 モチーフアイデンティティ、アタッチメントサイト、ツリートポロジーをエンコードし、コンテキストやサブツリーに直接アクセス可能なフラグメントを再利用する。
• 参考スコア（独自算出の注目度）: 24.99319693996907
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Molecular fragments provide chemically meaningful units, but existing molecular languages rarely make their locations and connections explicit for editing. Here we introduce STAMP (Sequential Tree Attachment-based Motif-Preserving representation), a topology-aware molecular language that connects fragment-level representation learning with precise structural editing. STAMP separately encodes motif identity, attachment sites and tree topology, making fragments reusable across contexts and subtrees directly accessible. Learned representations capture motif similarity and recurring transformations, and lower activity-cliff prediction error on 23 of 30 targets versus a matched SMILES encoder. Compatible subtree operations support scaffold-preserving optimization, ranking first among six methods on 15 of 23 benchmark objectives. A deterministic compiler enables frozen language models to act on indexed fragments, improving molecular editing, optimization, transformation transfer and change identification by 9 to 56 percentage points over plain SMILES. Together, these results establish an executable molecular language in which learned chemical units remain directly operable during design.
• Abstract（参考訳）: 分子断片は化学的に意味のある単位を提供するが、既存の分子言語は、その位置と接続を編集のために明示することは滅多にない。 本稿では,STAMP(Sequential Tree Attachment-based Motif-Preserving representation)を紹介する。 STAMPは、モチーフアイデンティティ、アタッチメントサイト、ツリートポロジーを別々にエンコードし、コンテキストやサブツリーに直接アクセス可能なフラグメントを再利用する。 学習された表現は、モチーフ類似性と繰り返し変換を捉え、30のターゲットのうち23のアクティビティ・クリフ予測エラーを、マッチしたSMILESエンコーダと比較する。 互換性のあるサブツリー操作は足場保存最適化をサポートし、23のベンチマーク目標の15の6つのメソッドの中で第1位である。 決定論的コンパイラにより、フリーズ言語モデルがインデックス化されたフラグメントに作用し、分子編集、最適化、変換転送、変更識別を通常のSMILESで9～56ポイント向上する。 これらの結果は共に、学習された化学単位が設計中に直接操作可能である実行可能な分子言語を確立する。

関連論文リスト

• Fraglingo: Molecular Design via Attachment-Aware Autoregressive Fragment Generation [58.88304971824104]
  本稿では, 化学的に意味のある断片から分子を段階的に構築する自己回帰分子生成装置Fraglingoを紹介する。 Fraglingoはアタッチメント対応のフラグメントを埋め込むことで、どのフラグメントを追加するべきか、どのようにアタッチすべきかを共同で予測する。 また、トレーニング時に使用したライブラリの最大4倍の大きさの断片化ライブラリを、再トレーニングなしで一般化する。
  論文  参考訳（メタデータ） (2026-09-11T20:42:04Z)
• Augmenting Molecular Language Models with Local $n$-gram Memory [50.62274418415122]
  MolGramは、ローカル文字列パターンをスケーラブルなハッシュルックアップを通じて学習した埋め込みにマッピングし、この領域のコンテキストを隠れた状態に動的に注入する。 非条件分子生成、前方反応予測、単段階の逆合成を含む3つのタスクにおける評価は、モルグラムが一貫して性能を改善することを示す。
  論文  参考訳（メタデータ） (2026-06-10T14:07:18Z)
• MolLingo: Molecule-Native Representations for LLM-Powered Scientific Agents [57.28652712579434]
  分子設計を自動化するために化学者の推論過程をエミュレートするマルチエージェントシステムであるMolLingoを提案する。 MolLingoは、共有メモリモジュールを通じて、文学エージェント、化学エージェント、オーケストレーションをコーディネートすることで、この問題に対処する。 初期治療設計におけるケーススタディとして、MolLingoは、結合部位の幾何学と残基レベルのタンパク質コンテキストにおけるChemist Agentの推論を根拠にしている。
  論文  参考訳（メタデータ） (2026-05-27T02:11:23Z)
• FORGE: Fragment-Oriented Ranking and Generation for Context-Aware Molecular Optimization [38.801595580724616]
  FORGEは、コンテキスト対応の局所編集として分子最適化を再構成する2段階のフレームワークである。 コンパクトな0.6B言語モデルに基づいて構築されたFOGEは、従来よりも一貫して優れていた。 これらの結果は、自然言語学習の代替として、より容易に入手でき、拡張性があり、幻覚のないものとして、明確なフラグメントレベルの監督の価値を強調している。
  論文  参考訳（メタデータ） (2026-05-11T09:06:42Z)
• Coder as Editor: Code-driven Interpretable Molecular Optimization [36.84386817559159]
  私たちは、編集アクションを実行可能なコードに変換することによって、推論と実行をブリッジするフレームワークMECoを紹介します。 提案手法は,化学反応とターゲット特異的化合物対からのリアルな編集を再現する際の精度を98%以上向上させる。
  論文  参考訳（メタデータ） (2025-10-16T08:55:06Z)
• MolLangBench: A Comprehensive Benchmark for Language-Prompted Molecular Structure Recognition, Editing, and Generation [14.1130924371878]
  MolLangBenchは分子言語インタフェースの基本的なタスクを評価するために設計されたベンチマークである。 自動ケミノフォマティクスツールを用いて認識タスクを構築する。 厳密な専門家アノテーションと検証を通じて編集・生成タスクをキュレートする。
  論文  参考訳（メタデータ） (2025-05-21T03:22:01Z)
• FragmentNet: Adaptive Graph Fragmentation for Graph-to-Sequence Molecular Representation Learning [0.09986418756990159]
  分子グラフを化学的に有効なフラグメントに分解する適応型学習トークン化器を備えたグラフからシーケンスへの基礎モデルであるFragmentNetを紹介する。 FragmentNetは、階層的な断片埋め込みのためのVQVAE-GCN、グラフシリアライゼーションのための空間的位置符号化、グローバルな分子記述子、トランスフォーマーを統合する。
  論文  参考訳（メタデータ） (2025-02-03T09:21:49Z)
• Drug Discovery with Dynamic Goal-aware Fragments [76.10700304803177]
  GEAM (Goal-aware fragment extract, Assembly and Modification) という薬物発見のための分子生成フレームワークを提案する。 GEAMは3つのモジュールから構成されており、それぞれがゴール対応のフラグメント抽出、フラグメントアセンブリ、フラグメント修正を担当している。 GEAMは3つのモジュールの生成サイクルを通じて薬物候補を効果的に発見できることを実験的に実証した。
  論文  参考訳（メタデータ） (2023-10-02T01:30:42Z)

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。