論文の概要: Binding Mode Matters: Hotspot-Aware Drug Discovery via Explorative Preferences
- arxiv url: http://arxiv.org/abs/2611.14956v1
- Date: Wed, 11 Nov 2026 03:03:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:32.993051
- Title: Binding Mode Matters: Hotspot-Aware Drug Discovery via Explorative Preferences
- Title(参考訳): 結合モードが重要:探索的選好によるホットスポットを意識した創薬
- Abstract要約: 我々は、カスタマイズされた多目的強化学習アルゴリズムによって駆動される新しい生成フレームワークであるBindMolを紹介する。
トレーニング中に爆発的嗜好を取り入れることで,多様な結合プロファイルを持つ分子を効果的に発見する。
- 参考スコア(独自算出の注目度): 36.09797164587251
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Discovering hit molecules requires not just high binding affinity, but also the identification of diverse binding modes, which are critical for experimental assays. Existing generative approaches have predominantly relied on optimizing a scalar docking score, obscuring the distinct contributions of key binding determinants. To this end, we introduce a paradigm shift by formulating target-based drug design as a multi-objective exploration task, where each objective explicitly corresponds to enhancing interactions with a specific hotspot. Here, we introduce BindMol, a novel generative framework driven by a customized multi-objective reinforcement learning algorithm. By incorporating explorative preferences during training, our approach efficiently uncovers molecules with diverse and desirable binding profiles. Empirical results demonstrate that BindMol facilitates the discovery of high-affinity compounds characterized by both structural novelty and diverse binding modes. Validated across target-based drug discovery and multi-property optimization tasks, our approach provides a versatile paradigm for goal-oriented drug discovery.
- Abstract(参考訳): ヒット分子の発見には、高い結合親和性だけでなく、様々な結合モードの同定が必要である。
既存の生成的アプローチはスカラードッキングスコアの最適化に大きく依存しており、キー結合決定因子の明確な寄与を無視している。
この目的のために,ターゲットベース医薬品の設計を多目的探索タスクとして定式化し,それぞれの目的が特定のホットスポットとの相互作用の強化に対応するパラダイムシフトを導入する。
本稿では,多目的強化学習アルゴリズムをカスタマイズした新しい生成フレームワークであるBindMolを紹介する。
トレーニング中に爆発的嗜好を取り入れることで,多様な結合プロファイルを持つ分子を効果的に発見する。
実験により、BindMolは構造的新規性と多様な結合様式の両方で特徴付けられる高親和性化合物の発見を促進することが示された。
目標に基づく薬物発見と多目的最適化タスクにまたがって検証された本手法は,目標指向薬物発見のための多目的パラダイムを提供する。
関連論文リスト
- Modality-Agnostic Prompt Learning for Multi-Modal Camouflaged Object Detection [61.36976558603528]
本稿では,Segment Anything Model(SAM)のためのモダリティに依存しないマルチモーダルプロンプトを生成する新しいフレームワークを提案する。
具体的には,データ駆動型コンテンツドメインと知識駆動型プロンプトドメインとのインタラクションを通じて,マルチモーダル学習をモデル化する。
さらに,微粒なプロンプトキューを組み込むことで,粗い予測をキャリブレーションする軽量マスクリファインモジュールを導入する。
論文 参考訳(メタデータ) (2026-04-14T07:13:28Z) - Agents on a Tree: Pathwise Coordination for Multi-Objective Molecular Optimization [33.33321738135092]
多目的分子最適化は、矛盾する目的の下で広大な化学空間を探索する必要がある。
木構造探索として分子最適化を定式化するマルチエージェントフレームワークであるATOMを提案する。
論文 参考訳(メタデータ) (2026-03-27T14:21:21Z) - UniMatch: Universal Matching from Atom to Task for Few-Shot Drug Discovery [24.39705006290841]
我々は、明示的な階層的分子マッチングと暗黙的なタスクレベルマッチングを統合したデュアルマッチングフレームワークUniMatch(UniMatch)を紹介する。
具体的には、階層的なプーリングとマッチングによって、原子、サブ構造、分子など、複数のレベルの構造的特徴を捉える。
実験の結果,UniMatchはMoreculeNetおよびFS-Molベンチマークで最先端の手法より優れていることがわかった。
論文 参考訳(メタデータ) (2025-02-18T02:36:03Z) - BInD: Bond and Interaction-generating Diffusion Model for Multi-objective Structure-based Drug Design [0.0]
本稿では,多目的薬物設計のための知識ベースガイダンスを用いた拡散モデルBInDを提案する。
BInDは、分子と標的タンパク質との相互作用を同時に生成し、全ての主要な目的を等しく考慮するよう設計されている。
総合評価では、BInDは全ての目的に対して頑健な性能を達成し、それぞれが最先端の手法よりも優れ、適合していることを示している。
論文 参考訳(メタデータ) (2024-05-27T06:26:55Z) - Exploiting Modality-Specific Features For Multi-Modal Manipulation
Detection And Grounding [54.49214267905562]
マルチモーダルな操作検出とグラウンド処理のためのトランスフォーマーベースのフレームワークを構築する。
本フレームワークは,マルチモーダルアライメントの能力を維持しながら,モダリティ特有の特徴を同時に探求する。
本稿では,グローバルな文脈的キューを各モーダル内に適応的に集約する暗黙的操作クエリ(IMQ)を提案する。
論文 参考訳(メタデータ) (2023-09-22T06:55:41Z) - BOtied: Multi-objective Bayesian optimization with tied multivariate ranks [33.414682601242006]
本稿では,非支配解と結合累積分布関数の極端量子化との自然な関係を示す。
このリンクにより、我々はPareto対応CDFインジケータと関連する取得関数BOtiedを提案する。
種々の合成および実世界の問題に対する実験により,BOtied は最先端MOBO 取得関数より優れていることが示された。
論文 参考訳(メタデータ) (2023-06-01T04:50:06Z) - Computer-Aided Multi-Objective Optimization in Small Molecule Discovery [3.032184156362992]
多目的分子発見のためのプールベースおよびデノボ生成手法について述べる。
プール型分子発見は,多目的ベイズ最適化の比較的直接的な拡張であることを示す。
この分野で残る課題と機会について論じる。
論文 参考訳(メタデータ) (2022-10-13T17:33:07Z) - Nonmyopic Multiclass Active Search for Diverse Discovery [23.752202199551572]
アクティブサーチは適応的な実験設計の舞台であり、予算制約を受ける希少で価値のあるクラスのメンバーを明らかにすることを目的としている。
本稿では,複数の対象クラスを対象とする能動探索の新たな定式化について述べる。
論文 参考訳(メタデータ) (2022-02-08T01:39:02Z) - Centralized Information Interaction for Salient Object Detection [68.8587064889475]
U字型構造は、多スケールの機能を効率的に組み合わせるサリエント物体検出に長けている。
本稿では,これらの接続を集中化することにより,相互に相互に情報交換を行うことができることを示す。
本手法は, ボトムアップ経路とトップダウン経路の接続を置換することにより, 既存のU字型サルエント物体検出手法と協調することができる。
論文 参考訳(メタデータ) (2020-12-21T12:42:06Z)
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。