Fugu-MT 論文翻訳(概要): Beyond Static Structures: Linking Protein Dynamics to Function via DynaReason-Pro

論文の概要: Beyond Static Structures: Linking Protein Dynamics to Function via DynaReason-Pro

arxiv url: http://arxiv.org/abs/2610.33804v1
Date: Sat, 24 Oct 2026 17:07:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-27 22:27:13.449834
Title: Beyond Static Structures: Linking Protein Dynamics to Function via DynaReason-Pro
Title（参考訳）: 静的構造を超えて:DynaReason-Proを介してタンパク質のダイナミクスを機能にリンクする
Abstract要約: 我々は、コンフォメーションアンサンブルからGO項を共同で予測し、自然言語機能論理を生成する最初のフレームワークであるDynaReason-Proを紹介する。本研究では,PED (Protein Ensemble Database) から収集したIDPベンチマークを用いてDynaReason-Proの評価を行った。
参考スコア（独自算出の注目度）: 16.953467398737605
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Intrinsically disordered proteins (IDPs) carry out their functions through heterogeneous conformational ensembles that reflect their dynamics, yet most protein function prediction methods rely on sequence or a single static structure. To this end, we introduce DynaReason-Pro, the first framework to jointly predict GO terms from conformational ensembles and generate natural-language functional rationales. We evaluate DynaReason-Pro on a curated IDP benchmark from the Protein Ensemble Database (PED), with sequence- and structure-cluster-disjoint splits to prevent data leakage. Variability-stratified evaluation shows the clearest gains in the high-conformational-variability regime.
Abstract（参考訳）: 内在的に不規則なタンパク質(IDP)は、その力学を反映する不均一なコンフォメーションアンサンブルを通じて機能を行うが、ほとんどのタンパク質関数予測法は配列や単一の静的構造に依存している。この目的のためにDynaReason-Proを導入し、コンフォメーションアンサンブルからGO項を共同で予測し、自然言語機能論理を生成する最初のフレームワークを提案する。本研究では,PED (Protein Ensemble Database) から収集したIDPベンチマークを用いてDynaReason-Proの評価を行った。変数階層化評価は、高コンフォーマル・可変性体制において最も顕著な利得を示している。

関連論文リスト

Protein Autoregressive Modeling via Multiscale Structure Generation [51.92004892768298]
タンパク質自己回帰モデリング(PAR)は,タンパク質のバックボーン生成のための最初のマルチスケール自己回帰フレームワークである。ノイズの多いコンテキスト学習とスケジュールサンプリングを採用し、堅牢なバックボーン生成を実現している。非条件生成ベンチマークでは、PARはタンパク質の分布を効果的に学習し、高い設計品質のバックボーンを生成する。
論文参考訳（メタデータ） (2026-02-04T18:59:49Z)
BioBlobs: Differentiable Graph Partitioning for Protein Representation Learning [3.6641231031729173]
動的に構造を柔軟に大きめのサブ構造(「ブロブ」)に分割することで、タンパク質を表現するプラグアンドプレイモジュールであるBioBlobsを紹介した。得られたブロブは共有および解釈可能なコードブックに量子化され、タンパク質の埋め込みを計算するのに使用される機能関連タンパク質のサブ構造を個別に語彙化する。また,BioBlobsの表現により,GVP-GNNなどの広く使われているタンパク質エンコーダの性能が,PRLタスクで向上することを示す。
論文参考訳（メタデータ） (2025-10-02T03:25:02Z)
DISPROTBENCH: A Disorder-Aware, Task-Rich Benchmark for Evaluating Protein Structure Prediction in Realistic Biological Contexts [76.59606029593085]
DisProtBenchは、構造障害および複雑な生物学的条件下でタンパク質構造予測モデル(PSPM)を評価するためのベンチマークである。 DisProtBenchはデータの複雑さ、タスクの多様性、解釈可能性という3つの重要な軸にまたがっている。その結果,機能的予測障害と相関する低信頼領域を有する障害下でのモデルロバスト性に有意な変動が認められた。
論文参考訳（メタデータ） (2025-06-18T23:58:22Z)
AlphaFold Database Debiasing for Robust Inverse Folding [58.792020809180336]
Debiasing Structure AutoEncoder (DeSAE)を導入し、故意に破損したバックボーンジオメトリからネイティブライクなコンフォーメーションを再構築することを学ぶ。推測において、DeSAEをAFDB構造に適用すると、逆折り畳み性能を著しく向上する偏りのある構造が生成される。
論文参考訳（メタデータ） (2025-06-10T02:25:31Z)
Fast and Accurate Antibody Sequence Design via Structure Retrieval [32.38989928131971]
Igseekは、天然の抗体データベースから類似した構造によって配列を推論する新しい構造検索フレームワークである。実験の結果,Igseekは構造検索において高い効率性を示すだけでなく,抗体およびT細胞受容体の配列回復における最先端の手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2025-02-11T13:29:49Z)
SFM-Protein: Integrative Co-evolutionary Pre-training for Advanced Protein Sequence Representation [97.99658944212675]
タンパク質基盤モデルのための新しい事前学習戦略を導入する。アミノ酸残基間の相互作用を強調し、短距離および長距離の共進化的特徴の抽出を強化する。大規模タンパク質配列データセットを用いて学習し,より優れた一般化能力を示す。
論文参考訳（メタデータ） (2024-10-31T15:22:03Z)
ProtFAD: Introducing function-aware domains as implicit modality towards protein function prediction [4.299777426056576]
本稿では,タンパク質の異なる機能を識別するために,機能認識ドメイン表現とドメイン結合型学習戦略を提案する。提案手法は, 様々なベンチマークにおいて, 最先端の手法よりも大きく, 包括的に優れている。
論文参考訳（メタデータ） (2024-05-24T02:26:45Z)
Protein Sequence and Structure Co-Design with Equivariant Translation [19.816174223173494]
既存のアプローチは自己回帰モデルまたは拡散モデルを用いてタンパク質配列と構造の両方を生成する。本稿では,タンパク質配列と構造共設計が可能な新しいアプローチを提案する。我々のモデルは、幾何学的制約と文脈特徴からの相互作用を推論する三角法を意識したエンコーダで構成されている。全てのタンパク質アミノ酸は翻訳工程で1ショットずつ更新され、推論プロセスが大幅に加速される。
論文参考訳（メタデータ） (2022-10-17T06:00:12Z)
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)
EBM-Fold: Fully-Differentiable Protein Folding Powered by Energy-based Models [53.17320541056843]
本研究では,データ駆動型生成ネットワークを用いたタンパク質構造最適化手法を提案する。 EBM-Foldアプローチは,従来のロゼッタ構造最適化ルーチンと比較して,高品質なデコイを効率よく生成できる。
論文参考訳（メタデータ） (2021-05-11T03:40:29Z)

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。