論文の概要: Transferring Peptide-Target Interaction Patterns to Small Molecules by Joint Guidance for Diffusion and Flow Matching

• arxiv url: http://arxiv.org/abs/2610.41322v1
• Date: Fri, 30 Oct 2026 06:33:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.632976
• Title: Transferring Peptide-Target Interaction Patterns to Small Molecules by Joint Guidance for Diffusion and Flow Matching
• Title（参考訳）: 拡散・フローマッチングのための連導誘導によるペプチド-ターゲット相互作用パターンの微小分子への移動
• Abstract要約: ペプチド-標的相互作用パターンを小分子に伝達する新規なフレームワークPIFTを提案する。 PIFTはペプチドターゲットと小分子ターゲットのインターフェースを共有されたターゲット条件の相互作用空間にマッピングする。 多様なPPIターゲットに対する実験は、学習された表現が相互の相互作用の互換性を捉えていることを示している。
• 参考スコア（独自算出の注目度）: 7.461428190586084
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generating small molecules to target protein-protein interactions (PPIs) remains one of the most challenging yet high-reward frontiers in drug discovery. Unlike traditional small-molecule drugs that bind to deep, well-defined pockets, PPI interfaces often comprise broad, shallow binding surfaces. A natural strategy is to leverage known peptide-target interactions, as peptide ligands provide rich interface-level constraints. However, a major algorithmic challenge is that rigid atom-level conditioning on peptide structures can over-constrain the generative space and exclude valid small-molecule solutions. To address this challenge, we present PIFT (Peptide InterFace Transfer), a novel framework that transfers peptide-target interaction patterns to small molecules through joint sampling-time guidance of masked discrete diffusion and continuous flow matching. PIFT first maps peptide-target and small-molecule-target interfaces into a shared, target-conditioned interaction space, capturing transferable interface information across molecular modalities. The resulting peptide-derived reference then jointly steers building-block logits and 3D coordinates toward peptide-compatible molecules while preserving a strong adapted molecular prior. Extensive experiments across diverse PPI targets show that the learned representation captures cross-modal interaction compatibility, while peptide guidance improves interface recovery and achieves strong docking performance and favorable molecular properties.
• Abstract（参考訳）: タンパク質-タンパク質相互作用(PPI)を標的とする小分子の生成は、薬物発見において最も困難でありながら、高次フロンティアの1つである。 深い、よく定義されたポケットに結合する従来の小分子の薬物とは異なり、PPIインターフェースは広い、浅い結合面から構成されることが多い。 ペプチドリガンドは豊富なインターフェースレベルの制約を提供するため、既知のペプチド-ターゲット相互作用を活用することが自然な戦略である。 しかし、アルゴリズム上の大きな課題は、ペプチド構造に対する剛性原子レベルの条件付けが生成空間を過剰に抑制し、有効な小分子溶液を排除できることである。 この課題に対処するために,ペプチドとターゲットの相互作用パターンを小さな分子に伝達する新しいフレームワークであるPIFT(Peptide InterFace Transfer)を提案する。 PIFTはまず、ペプチドターゲットと小分子ターゲットのインターフェースを、共有されたターゲット条件の相互作用空間にマッピングし、分子モード間で伝達可能なインターフェース情報をキャプチャする。 その結果、ペプチド由来の参照は、強い適応された分子を保存しながら、結合的にブロックロジットと3D座標をペプチド互換分子へ誘導する。 多様なPPIターゲットにわたる広範囲な実験により、学習された表現は相互の相互作用の相違を捉え、ペプチド誘導は界面の回復を改善し、ドッキング性能と良好な分子特性を達成することが示されている。

関連論文リスト

• CausalBind: Causal Modeling and Learning for Protein-Molecule Virtual Screening [13.680279755255157]
  タンパク質分子仮想スクリーニングは、共有埋め込み空間における表現学習の課題として、ますます採用されている。 タンパク質-分子系における結合は、緩やかな相互モダリティ相互作用を伴うことが指摘されている。 スパース相互作用パターンを識別・活用するために,CausalBindを3つの実装変種で提案する。
  論文  参考訳（メタデータ） (2026-10-05T20:14:51Z)
• h-MINT: Modeling Pocket-Ligand Binding with Hierarchical Molecular Interaction Network [39.785587774740314]
  本稿では,新しいデータ駆動型分子トークン化法を提案する。 既存手法とは異なり,本手法では,小分子サブ構造のファジィ境界を反映して,重複するフラグメントを許容する。 我々は,原子レベルとフラグメントレベルでの相互作用を共同でモデル化できる階層的分子相互作用ネットワークを開発した。
  論文  参考訳（メタデータ） (2026-04-25T04:25:50Z)
• End-to-End Reverse Screening Identifies Protein Targets of Small Molecules Using HelixFold3 [5.391814889850861]
  高精度な生体分子構造予測モデルであるHelixFold3を用いたエンド・ツー・エンドのリバース・スクリーニング手法を提案する。 従来の逆ドッキングと比較すると, スクリーニング精度が向上し, 構造忠実度, 結合位置精度, ターゲット優先度が向上した。
  論文  参考訳（メタデータ） (2026-01-20T07:45:53Z)
• Surface-based Molecular Design with Multi-modal Flow Matching [64.00572241268597]
  SurfFlowは、ペプチドの配列、構造、表面の包括的な共設計を可能にする、新しい表面ベースの生成アルゴリズムである。 包括的なPepMergeベンチマークで評価すると、SurfFlowはすべてのメトリクスで一貫して全原子ベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-01-08T02:19:29Z)
• Integrating Protein Dynamics into Structure-Based Drug Design via Full-Atom Stochastic Flows [29.49146207945794]
  従来の構造に基づく薬物設計(SBDD)アプローチは、一般的に堅固な構造を持つ結合部位をターゲットにしている。 本稿では,タンパク質ポケットのコンフォメーション変化を考慮したSBDD生成モデルを提案する。 我々は,DynamicFlowがアポポケットやノイズポケットをホロポケットやそれに対応する3D分子に変換することを学習していることを示す。
  論文  参考訳（メタデータ） (2025-03-06T00:34:44Z)
• Functional-Group-Based Diffusion for Pocket-Specific Molecule Generation and Elaboration [63.23362798102195]
  ポケット特異的分子生成とエラボレーションのための機能群に基づく拡散モデルD3FGを提案する。 D3FGは分子を、剛体として定義される官能基と質量点としてのリンカーの2つのカテゴリに分解する。 実験では, より現実的な3次元構造, タンパク質標的に対する競合親和性, 薬物特性の良好な分子を生成できる。
  論文  参考訳（メタデータ） (2023-05-30T06:41:20Z)
• Predicting Protein-Ligand Binding Affinity via Joint Global-Local Interaction Modeling [34.18714126231236]
  本稿では,タンパク質-リガンド結合親和性を予測するための新しいグローバルな相互作用フレームワークを提案する。 本フレームワークは,長範囲の相互作用をグローバルに埋め込み,局所的な短範囲の相互作用を集約する。 実験により、我々のGLIフレームワークは、単純なニューラルネットワークアーキテクチャと適度な計算コストで最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2022-09-18T10:17:05Z)
• Improved Drug-target Interaction Prediction with Intermolecular Graph Transformer [98.8319016075089]
  本稿では,3方向トランスフォーマーアーキテクチャを用いて分子間情報をモデル化する手法を提案する。 分子間グラフ変換器(IGT)は、それぞれ、結合活性と結合ポーズ予測の2番目のベストに対して、最先端のアプローチを9.1%と20.5%で上回っている。 IGTはSARS-CoV-2に対して有望な薬物スクリーニング能力を示す。
  論文  参考訳（メタデータ） (2021-10-14T13:28:02Z)
• Dynamical Strengthening of Covalent and Non-Covalent Molecular Interactions by Nuclear Quantum Effects at Finite Temperature [58.999762016297865]
  核量子効果(NQE)は非局在化された分子動力学を生成する傾向がある。 NQEはしばしば電子相互作用を増強し、有限温度での動的分子安定化をもたらす。 我々の発見は、分子や材料における原子核量子ゆらぎの多角的役割に関する新たな洞察をもたらす。
  論文  参考訳（メタデータ） (2020-06-18T14:30:29Z)

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。

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。