論文の概要: CupOFMoCA: Coupled Objective-Guided Discrete Flows for Molecular Conjugate Assembly
- arxiv url: http://arxiv.org/abs/2611.16099v1
- Date: Wed, 11 Nov 2026 23:18:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.288952
- Title: CupOFMoCA: Coupled Objective-Guided Discrete Flows for Molecular Conjugate Assembly
- Title(参考訳): CupOFMoCA:分子共役組立のための結合型客観誘導離散流
- Abstract要約: CupOFMoCAは、共役生成中に化学成分間の制約を強制する離散的な生成法である。
3種類のPRTACシステムの評価において、CupOFMoCAは2つのシステムにおいて最も高い組立妥当性を達成した。
- 参考スコア(独自算出の注目度): 26.161023634026606
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Molecular conjugates, including PROTACs and peptide-drug conjugates (PDCs), derive their function from the joint behavior of multiple coupled components, yet most generative approaches design these components independently and combine them only after generation. Such staged pipelines ignore cross-component dependencies and often produce conjugates that are chemically invalid, fall outside empirical conjugate distributions, or lose function upon assembly. In this work, we introduce Coupled Objective-Guided Discrete Flows for Molecular Conjugate Assembly (CupOFMoCA), a discrete generative method that enforces cross-component chemical constraints during conjugate generation. CupOFMoCA restricts guided updates to chemically feasible conjugate states and reweights local transitions using molecular design objectives. Across three PDC systems, coupled generation achieved 100% conjugation validity among valid peptides and increased valid yield over matched post-hoc filtering, with comparable predicted binding scores across the full valid sets. In three-seed evaluations of three PROTAC systems, CupOFMoCA achieved the highest assembly validity on two systems and generated more assembly-valid molecules per second than the evaluated baselines. We further evaluated the generated PROTACs with post-hoc DegradeMaster scoring and explicit-solvent molecular dynamics, supporting their predicted activity and conformational properties. Together, these results establish CupOFMoCA as an efficient generator of molecular conjugates, supporting therapeutic development via coordinated control of assembly and molecular properties.
- Abstract(参考訳): PROTACs や peptide-drug conjugates (PDCs) などの分子共役体は、複数の結合成分の結合挙動から機能を引き出すが、ほとんどの生成的アプローチは、これらの成分を独立して設計し、生成後にのみ結合する。
このようなステージ化されたパイプラインは、クロスコンポーネント依存関係を無視し、しばしば化学的に無効な共役を発生させ、経験的共役分布の外に落ち、アセンブリで機能を失う。
本稿では,分子共役組立のための結合目的誘導離散フロー(CupOFMoCA)を紹介する。
CupOFMoCAは、化学的に実現可能な共役状態へのガイド付き更新を制限し、分子設計目的を用いて局所遷移を重み付けする。
3つのPDC系において、結合生成は有効なペプチド間で100%共役妥当性を達成し、マッチしたポストホックフィルタリングに対する有効収率を増加させた。
3種類の PROTAC システムの評価において,CupOFMoCA は2つのシステムにおいて最も高い組立妥当性を達成し,評価基準値よりも1秒あたりの組立価分子を多く生成した。
さらに,ポストホックなデグレードマスタースコアリングと明示的な分子動力学により生成したproTACを評価し,それらの予測活性とコンフォメーション特性を裏付けた。
これらの結果はCupOFMoCAを分子共役体の効率的な生成源として確立し、組立と分子特性の協調制御による治療開発を支援する。
関連論文リスト
- Demystifying Multimodal Biomolecular Co-design With Intrinsic Geodesic Coupling [25.990662798924475]
生体分子は、配列と3次元構造の間の密接な相互作用から生じる生物学的システムにおいて中心的な役割を果たす。
生体分子共設計の最近の生成モデルは、結合されたモダリティを共同でモデル化することで、この相互作用を捉えることを目的としている。
既存のアプローチは主に、固定同期結合を暗黙的に強制する、限界生成プロセスの並列実行を採用する。
批判的だが見過ごされた自由の度合いは、これらの限界過程がトレーニングと生成の間に時間的に結合されていることにある、と我々は主張する。
論文 参考訳(メタデータ) (2026-06-01T03:25:17Z) - MolPaQ: Modular Quantum-Classical Patch Learning for Interpretable Molecular Generation [0.9322836589877972]
MOLPAQは量子古典的生成装置で、量子生成潜伏パッチから分子を組み立てる。
遅延批評家によるアドリラル微調整は100%RDKitの妥当性、99.75%の新規性、0.905の多様性をもたらす。
論文 参考訳(メタデータ) (2026-03-27T17:14:06Z) - FLOWR.root: A flow matching based foundation model for joint multi-purpose structure-aware 3D ligand generation and affinity prediction [5.216915896877018]
FLOWR:rootは、ポケット対応の3Dリガンド生成のための均質なフローマッチングモデルである。
デ・ノボ生成、薬局補充条件サンプリング、フラグメント・エラボレーション、親和性予測をサポートする。
論文 参考訳(メタデータ) (2025-10-02T21:38:26Z) - QCA-MolGAN: Quantum Circuit Associative Molecular GAN with Multi-Agent Reinforcement Learning [2.2463678997251604]
この研究は、QCA-MolGAN(英語版)と呼ばれる新しい量子回路Born Machine(英語版) (QCBM) を利用した創発的アドリバーサネットワーク(英語版) (GAN) を提案し、薬物のような分子を生成する。
QCBMは学習可能な事前分布として機能し、GANS識別器が取得した高次特徴と整合した潜在空間を定義するために連想的に訓練される。
分子生成を目的とする目的特性を導出するために,新しいマルチエージェント強化学習ネットワークを統合する。
論文 参考訳(メタデータ) (2025-09-05T12:31:58Z) - Conditional Synthesis of 3D Molecules with Time Correction Sampler [58.0834973489875]
Time-Aware Conditional Synthesis (TACS) は拡散モデルにおける条件生成の新しい手法である。
適応的に制御されたプラグアンドプレイの"オンライン"ガイダンスを拡散モデルに統合し、サンプルを所望の特性に向けて駆動する。
論文 参考訳(メタデータ) (2024-11-01T12:59:25Z) - DPLM-2: A Multimodal Diffusion Protein Language Model [75.98083311705182]
DPLM-2は, 離散拡散タンパク質言語モデル(DPLM)を拡張し, 配列と構造の両方に適合する多モーダルタンパク質基盤モデルである。
DPLM-2は、配列と構造、およびその限界と条件の結合分布を学習する。
実験によりDPLM-2は高度に互換性のあるアミノ酸配列とそれに対応する3D構造を同時に生成できることが示された。
論文 参考訳(メタデータ) (2024-10-17T17:20:24Z) - TAGMol: Target-Aware Gradient-guided Molecule Generation [19.977071499171903]
3次元生成モデルは、構造ベースドラッグデザイン(SBDD)において大きな可能性を秘めている。
問題を分子生成と特性予測に分離する。
後者は相乗的に拡散サンプリング過程を導出し、誘導拡散を促進し、所望の性質を持つ有意義な分子を創出する。
この誘導分子生成過程をTAGMolと呼ぶ。
論文 参考訳(メタデータ) (2024-06-03T14:43:54Z) - DecompDiff: Diffusion Models with Decomposed Priors for Structure-Based Drug Design [62.68420322996345]
既存の構造に基づく薬物設計法は、すべての配位子原子を等しく扱う。
腕と足場を分解した新しい拡散モデルDecompDiffを提案する。
提案手法は,高親和性分子の生成における最先端性能を実現する。
論文 参考訳(メタデータ) (2024-02-26T05:21:21Z) - 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) - CogMol: Target-Specific and Selective Drug Design for COVID-19 Using
Deep Generative Models [74.58583689523999]
新規なウイルスタンパク質を標的とした新規な薬物様小分子を設計するためのエンド・ツー・エンドのフレームワークであるCogMolを提案する。
CogMolは、分子SMILES変分オートエンコーダ(VAE)の適応事前学習と、効率的なマルチ属性制御サンプリングスキームを組み合わせる。
CogMolは、高目標特異性と選択性を有する合成可能で低毒性な薬物様分子の多制約設計を扱う。
論文 参考訳(メタデータ) (2020-04-02T18:17:20Z)
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。