論文の概要: Generative Retrieval for Reverse Target Fishing with a Proteome-Scale Benchmark

• arxiv url: http://arxiv.org/abs/2610.24458v1
• Date: Sat, 17 Oct 2026 04:56:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:43.988278
• Title: Generative Retrieval for Reverse Target Fishing with a Proteome-Scale Benchmark
• Title（参考訳）: プロテオームスケールベンチマークによる逆目標漁獲量の探索
• Abstract要約: 我々は、生成的検索としてタスクを再構築し、GenFishを紹介する。 分子指紋が与えられた場合、GenFishはクエリと前のコードで条件付けられたコードを自動回帰的にモデル化する。 ProTargetBenchは、リバースターゲットフィッシングのための最初のプロテオームスケールベンチマークである。
• 参考スコア（独自算出の注目度）: 19.810107716448112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reverse target fishing identifies protein targets for a query molecule and is central to drug discovery and repurposing. Discriminative approaches adapted from virtual screening face sparse, long-tailed associations and missing-not-at-random measurements: treating unrecorded pairs as negatives can suppress genuine targets. We reformulate the task as generative retrieval and introduce GenFish. Residual vector quantization converts frozen protein language model features into shared semantic identifiers. Given a molecular fingerprint, GenFish autoregressively models codes conditioned on the query and preceding code, ranking proteins by identifier likelihood without explicitly labeling unrecorded pairs as negatives. We introduce ProTargetBench, the first proteome-scale benchmark for reverse target fishing to jointly support measured-panel discrimination and full-catalogue recovery of experimentally recorded positives. Covering 20,431 UniProt-reviewed human proteins, it integrates curated bioactivity evidence and distinguishes experimental inactivity from unmeasured associations. On 198 held-out molecules, GenFish achieves higher mean performance across all three full-catalogue retrieval metrics than four discriminative neural baselines and three non-neural baselines, including ligand-based methods. A controlled positive-hiding experiment shows that targeted removal of false-negative competition improves contrastive retrieval beyond matched random masking; GenFish remains stronger under the same incomplete supervision. Pfam alignment indicates that the semantic identifiers capture biologically meaningful relationships among proteins. These results establish generative retrieval as a principled paradigm for reverse target fishing under incomplete bioactivity records.
• Abstract（参考訳）: 逆標的漁業は、クエリ分子のタンパク質標的を特定し、薬物の発見と再資源化の中心である。 仮想スクリーニング顔スパース、長い尾の関連性、非ランダムな測定から適応された差別的アプローチ: 記録されていないペアを負として扱うことにより、真のターゲットを抑えることができる。 我々は、生成的検索としてタスクを再構築し、GenFishを紹介する。 残留ベクトル量子化は凍結タンパク質言語モデルの特徴を共有意味識別子に変換する。 分子指紋が与えられた場合、GenFishはクエリと前のコードで条件付けられたコードを自動的にモデル化し、未記録のペアを負として明示的にラベル付けすることなく、識別可能性でタンパク質をランク付けする。 ProTargetBenchは,実験記録された正のパネル識別と全触媒的回復を共同で支援するための,最初のプロテオームスケールのリバースターゲット漁用ベンチマークである。 20,431個のUniProtレビューされたヒトタンパク質をカバーし、培養された生物活性の証拠を統合し、未測定の関連から実験的な不活性を区別する。 ホールドアウト分子198において、GenFishは、リガンドベースの方法を含む4つの識別的神経ベースラインと3つの非神経ベースラインよりも、3つのフルカタログ検索指標の平均性能を達成している。 制御されたポジティブハイディング実験は、偽陰性競争の標的除去が一致したランダムマスキング以上のコントラスト検索を改善することを示した。 ファムアライメントは、意味的識別子がタンパク質間の生物学的に意味のある関係を捉えていることを示している。 これらの結果は,不完全生物活動記録に基づく逆標的漁の原則的パラダイムとして生成検索を確立した。

関連論文リスト

• Geometric Identification in Predict-Then-Optimize Learning [0.0]
  決定にフォーカスしたサロゲートは、商レポートを特定せずに下流の判断を回復することができる。 本研究は,SPO+の集団リスクに対する凸型スマート予測(Smart Predict-then-surrogate)の平等セットを特徴付ける。
  論文  参考訳（メタデータ） (2026-09-27T11:33:54Z)
• BioM-JEPA: joint-embedding prediction of graph-connected gene blocks in single cells [64.21963170814706]
  BioM-JEPAはグラフ接続された遺伝子ブロックの集合表現を予測する。 学生ネットワークは、細胞内の残りの遺伝子から各ターゲットブロック表現を推論する。 CellBenchタスク全体で、BioM-JEPA埋め込みは発現、経路、および周辺情報を保持している。
  論文  参考訳（メタデータ） (2026-08-06T11:58:29Z)
• Screening of Biosecurity Features in Metagenomic Data with Evo 2 Probes [35.18016233072556]
  Evo 2のようなゲノム基盤モデルは、リッチなシーケンス表現を学習するが、バイオセキュリティスクリーニングの価値はほとんど探索されていない。 凍結したEvo2層26の活性化に対して、最小限の線形および注意プローブを訓練することにより、これらの表現の中でどの程度のバイオセキュリティ関連信号が線形にアクセスできるかを問う。 保持されたメダゲノミクステストセット全体で、プローブは強い差別で抗菌抵抗を検出する。
  論文  参考訳（メタデータ） (2026-07-15T17:38:02Z)
• Plausibility Is Not Prediction: Contrastive Evidence for LLM-Based Cellular Perturbation Reasoning [27.902219493068824]
  摂動実験は細胞機構の理解の中心である。 それらは高価で疎いままであり、保存されていない状態に対する遺伝子発現応答の予測を動機付けている。 証拠を関連摂動から肯定的・否定的な結果に整理することで,予測を比較課題として再編成するCOREを導入する。
  論文  参考訳（メタデータ） (2026-05-31T06:13:26Z)
• PROTOCOL: Late Interaction Retrieval for Protein Homolog Search [8.797956246984388]
  ProtoColはタンパク質を残基埋め込みの集合として表現するモデルである。 タンパク質を独立にコードし、候補表現を事前計算可能とし、残基の埋め込みよりもMaxSimで候補を採点する。 SCOPeスーパーファミリーとPfamファミリーのベンチマークでは、ProtoColはシーケンスコンポジション、アライメントベース、プールされたPLM、訓練された単一ベクトルベースラインより優れている。
  論文  参考訳（メタデータ） (2026-05-27T22:50:48Z)
• Protein Thoughts: Interpretable Reasoning with Tree of Thoughts and Embedding-Space Flow Matching for Protein-Protein Interaction Discovery [9.70057752523548]
  我々は、明示的な推論を伴う解釈可能な探索問題として、PPI発見を再構成するフレームワークである textbfProtein Thoughts を提案する。 タンパク質思考は、エントロピー木探索ベースラインにおいて平均11.2対47.7の平均的バインダーランクを達成し、76%の改善、および結合予測のために、訓練された値関数は91.08 pm 0.19$ Micro-F1に達する。
  論文  参考訳（メタデータ） (2026-05-19T04:14:06Z)
• Neural Uncertainty Principle: A Unified View of Adversarial Fragility and LLM Hallucination [60.197429875410286]
  大規模言語モデルにおける視覚と幻覚の対立的脆弱性は、伝統的に別の問題と見なされている。 損失誘起状態下でのニューラル不確実性原理(NUP)の定式化により, ほぼバウンド状態においては, さらなる圧縮は感度分散の増大を伴うことが判明した。 視覚では、高度に結合したコンポーネントをマスキングすることで、コストのかかる敵の訓練なしに堅牢性を向上させる。 言語では、任意の応答トークンを生成する前に、同じプレフィルステージプローブが幻覚リスクを検出する。
  論文  参考訳（メタデータ） (2026-03-20T02:07:10Z)
• Unlasting: Unpaired Single-Cell Multi-Perturbation Estimation by Dual Conditional Diffusion Implicit Bridges [68.98973318553983]
  本稿では,Dual Diffusion Implicit Bridges (DDIB) に基づくフレームワークを提案する。 我々は、生物学的に意味のある方法で摂動シグナルを伝達するために遺伝子制御ネットワーク(GRN)情報を統合する。 また、サイレント遺伝子を予測し、生成したプロファイルの品質を向上させるためのマスキング機構も組み込んだ。
  論文  参考訳（メタデータ） (2025-06-26T09:05:38Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)

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。