論文の概要: BridgeDock: Taming Generative Co-Folding Prior for Molecular Docking with Diffusion Bridge

• arxiv url: http://arxiv.org/abs/2611.00795v1
• Date: Sat, 31 Oct 2026 10:13:26 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:15:54.789226
• Title: BridgeDock: Taming Generative Co-Folding Prior for Molecular Docking with Diffusion Bridge
• Title（参考訳）: BridgeDock: 拡散ブリッジによる分子ドッキングに先立つ生成的共成形
• Abstract要約: 分子ドッキングはタンパク質-リガンド複合体の三次元構造を予測することを目的としている。 最近のコフォールディングモデルはタンパク質-リガンド複合体予測において高い精度を達成する。 予めトレーニングされたバックボーンをフレキシブルドッキングに適応させるフレームワークであるBridgeDockを紹介します。
• 参考スコア（独自算出の注目度）: 15.27514894135222
• License:
• Abstract: Molecular docking aims to predict the three-dimensional structure of a protein-ligand complex; in the conventional structure-based setting, it is conditioned on an input protein structure and ligand, often starting from an apo receptor in flexible docking or a holo receptor in rigid docking. Recent co-folding models exemplified by AlphaFold 3 achieve strong accuracy in protein-ligand complex prediction, but they typically generate complexes from sequence-derived inputs and therefore do not directly use apo structures as structural priors in docking, leading to a larger conformational search space and weaker robustness in difficult or few-step settings. We present BridgeDock, a framework that adapts pretrained co-folding backbones to flexible docking by modeling the apo-to-holo transition as a diffusion bridge, allowing generation from the initial protein-ligand state rather than from Gaussian noise. To make this bridge formulation compatible with pretrained denoisers, we introduce an alignment mechanism that maps bridge states to the original denoising schedule of the pretrained model. Experiments on standard flexible docking benchmarks show that BridgeDock consistently outperforms strong co-folding baselines. Moreover, BridgeDock is computationally efficient at inference time and remains effective even with very few denoising steps.
• Abstract（参考訳）: 分子ドッキングは、タンパク質-リガンド複合体の3次元構造を予測することを目的としており、従来の構造ベースでは、入力タンパク質構造とリガンドに条件付けされており、しばしば柔軟なドッキングにおけるアポ受容体や硬質ドッキングにおけるホロ受容体から始まる。 AlphaFold 3で実証された最近の共フォールディングモデルは、タンパク質-リガンド複合体の予測において強い精度を達成するが、典型的には、配列インプットから複合体を生成するため、ドッキングにおける構造的先行としてアポ構造を直接使用せず、コンフォメーション探索空間が大きくなり、難易度や少数のステップ設定において堅牢性が弱くなる。 本稿では,アポ-ホロ遷移を拡散ブリッジとしてモデル化することにより,プレトレーニングされた共折りバックボーンをフレキシブルドッキングに適応するフレームワークであるBridgeDockについて述べる。 この橋梁の定式化を事前訓練された復号器と整合させるため,事前訓練されたモデルの本来の復号化スケジュールにブリッジ状態をマッピングするアライメント機構を導入する。 標準的なフレキシブルドッキングベンチマークの実験は、BridgeDockが強いコフォールディングベースラインを一貫して上回っていることを示している。 さらに、BridgeDockは推論時に計算効率が良く、非常に少ない段階でも有効である。

関連論文リスト

• MLIPDiff: Guiding Denoising Diffusion Models for Structure-Based Drug Design via Machine-Learned Interatomic Potentials [68.5786806222052]
  MLIPDiffは、事前訓練された拡散モデルに適用できる推論時間誘導法である。 局所幾何学を損なうことなくタンパク質とリガンドの衝突を完全に排除する。 局所幾何学を妥協することなく、衝突のない構造を実現する。
  論文  参考訳（メタデータ） (2026-10-23T21:36:52Z)
• Triangle Multiplication Is All You Need For Biomolecular Structure Representations [56.26342479807906]
  Pairmixerは三角形の注意をなくし、高階の幾何学的推論能力を保っている。 Pairmixerは計算効率を大幅に改善し、折りたたみおよびドッキングベンチマーク間の最先端構造予測器をマッチングする。 例えば、BoltzDesign内では、Pairmixerは2倍以上高速なサンプリングと、Pairformerのメモリ限界よりも30%長いシーケンスへのスケールを提供する。
  論文  参考訳（メタデータ） (2025-10-21T17:59:02Z)
• Fast and Accurate Blind Flexible Docking [79.88520988144442]
  小分子(配位子)のタンパク質標的への結合構造を予測する分子ドッキングは、薬物発見において重要な役割を果たす。 本研究では,現実的な視覚的フレキシブルドッキングシナリオを対象とした,高速かつ高精度な回帰ベースマルチタスク学習モデルであるFABFlexを提案する。
  論文  参考訳（メタデータ） (2025-02-20T07:31:13Z)
• Bridge-IF: Learning Inverse Protein Folding with Markov Bridges [32.53142367116483]
  逆タンパク質折り畳みは計算タンパク質設計の基本的な課題である。 逆折り畳みのための生成拡散ブリッジモデルであるBridge-IFを提案する。 以上の結果から,Bridge-IFは配列回復において既存のベースラインを超え,高い折りたたみ性を有する可塑性タンパク質の設計に優れることがわかった。
  論文  参考訳（メタデータ） (2024-11-04T14:35:14Z)
• Re-Dock: Towards Flexible and Realistic Molecular Docking with Diffusion Bridge [69.80471117520719]
  Re-Dockは、幾何学多様体に拡張された新しい拡散橋生成モデルである。 我々はNewton-Euler方程式にインスパイアされたエネルギー-幾何学マッピングを提案し、結合エネルギーとコンフォーメーションを共モデリングする。 アポドックやクロスドックといった設計済みのベンチマークデータセットの実験は、現在の手法よりもモデルの有効性と効率性が優れていることを示している。
  論文  参考訳（メタデータ） (2024-02-18T05:04:50Z)
• Multi-scale Iterative Refinement towards Robust and Versatile Molecular Docking [17.28573902701018]
  分子ドッキング(英: molecular docking)は、小分子のタンパク質標的への結合コンホメーションを予測するために使われる重要な計算ツールである。 我々は、効率的な分子ドッキング用に設計された堅牢で汎用的なフレームワークであるDeltaDockを紹介する。
  論文  参考訳（メタデータ） (2023-11-30T14:09:20Z)
• Independent SE(3)-Equivariant Models for End-to-End Rigid Protein Docking [57.2037357017652]
  我々は、剛体タンパク質ドッキング、すなわち、個々の非結合構造からタンパク質-タンパク質複合体の3次元構造を計算的に予測する。 本研究では, タンパク質の回転と翻訳を予測し, 1つのタンパク質をドッキング位置に置くために, ペアワイズ非独立なSE(3)-等変グラフマッチングネットワークを設計する。 我々のモデルはEquiDockと呼ばれ、結合ポケットを近似し、キーポイントマッチングとアライメントを用いてドッキングポーズを予測する。
  論文  参考訳（メタデータ） (2021-11-15T18:46:37Z)

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。