論文の概要: MutAtlas: A PDB-Wide Energy-Guided Atlas of Protein Mutation Effects
- arxiv url: http://arxiv.org/abs/2611.16361v1
- Date: Thu, 12 Nov 2026 06:22:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.376198
- Title: MutAtlas: A PDB-Wide Energy-Guided Atlas of Protein Mutation Effects
- Title(参考訳): MutAtlas:タンパク質変異効果のPDB-Wideエネルギー誘導アトラス
- Abstract要約: 実験によって解決されたタンパク質構造上の単一部位置換を列挙するPDBワイド突然変異増強データセットを構築した。
本稿では,複数ソース間の相違を明示的にモデル化しながら,相対的突然変異選好から学習する,教師なしマルチソース突然変異選好蒸留フレームワークを提案する。
- 参考スコア(独自算出の注目度): 14.421296932126806
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Protein mutation effect prediction is fundamental to protein engineering and disease variant interpretation, yet experimentally measured mutation data remain accurate but extremely sparse. To provide scalable supplementary mutation signals, we construct a PDB-wide mutation augmentation dataset that exhaustively enumerates single-site substitutions on experimentally resolved protein structures and aligns mutation signals from physics-based energy models, protein language models, and inverse folding models. Large-scale analysis under a unified mutation preference representation reveals substantial differences in the consistency, concentration, and substitution patterns of mutation distributions across models, indicating that disagreement is pervasive and reflects conflicting inductive biases rather than random noise. Motivated by these observations, we propose an unsupervised multi-source mutation preference distillation framework that learns from relative mutation preferences while explicitly modeling cross-source disagreement. Without using any experimental mutation labels during training, our approach achieves the best overall performance among the evaluated zero-shot baselines and naive multi-source fusion strategies on ProteinGym. We release the dataset and evaluation pipeline to support reproducible studies of protein mutation effects.
- Abstract(参考訳): タンパク質突然変異効果の予測は、タンパク質工学と疾患の変種解釈の基礎であるが、実験的に測定された突然変異データは正確だが極めて疎いままである。
拡張可能な追加突然変異信号を提供するため,実験によって解決されたタンパク質構造上の単一部位置換を包括的に列挙し,物理に基づくエネルギーモデル,タンパク質言語モデル,逆折り畳みモデルからの突然変異信号を整列するPDBワイド突然変異拡張データセットを構築した。
統合突然変異選好表現の下での大規模解析では、モデル間の突然変異分布の一貫性、濃度、置換パターンにかなりの違いが示され、不一致が広まっており、ランダムノイズよりも誘導バイアスの矛盾を反映していることが示されている。
そこで本研究では, 比較変異選好から学習し, クロスソース不一致を明示的にモデル化する, 教師なしマルチソース変異選好蒸留フレームワークを提案する。
トレーニング中に実験的な突然変異ラベルを使わずに、評価されたゼロショットベースラインと、ProteinGym上での複数ソース融合戦略の総合的な性能を最大限に発揮する。
我々は、タンパク質突然変異効果の再現可能な研究を支援するためのデータセットと評価パイプラインをリリースする。
関連論文リスト
- Towards A Generative Protein Evolution Machine with DPLM-Evo [73.57855006698269]
本報告では,denoising中の置換,挿入,削除操作を明示的に予測する進化的離散拡散フレームワークDPLM-Evoについて述べる。
DPLM-Evoは、単一シーケンス設定におけるProteinGymのシーケンス理解と最先端の突然変異効果予測性能を改善した。
論文 参考訳(メタデータ) (2026-04-30T19:59:07Z) - Dynamics-inspired Structure Hallucination for Protein-protein Interaction Modeling [60.57197355431804]
タンパク質とタンパク質の相互作用 (PPI) は生物学の中心的な課題である。
深層学習は、このような変異の影響を予測することは約束されているが、2つの主要な制約によって妨げられている。
本稿では,Refine-PPIという新しいフレームワークについて述べる。
論文 参考訳(メタデータ) (2026-01-08T19:29:04Z) - PRIMRose: Insights into the Per-Residue Energy Metrics of Proteins with Double InDel Mutations using Deep Learning [0.08155575318208629]
PRIMRoseは、変異タンパク質配列が与えられた各残基のエネルギー値を予測する新しいアプローチである。
タンパク質変異における残基のエネルギー変化を予測するために畳み込みニューラルネットワークアーキテクチャを実装した。
論文 参考訳(メタデータ) (2025-12-06T16:57:56Z) - Unlasting: Unpaired Single-Cell Multi-Perturbation Estimation by Dual Conditional Diffusion Implicit Bridges [68.98973318553983]
本稿では,Dual Diffusion Implicit Bridges (DDIB) に基づくフレームワークを提案する。
我々は、生物学的に意味のある方法で摂動シグナルを伝達するために遺伝子制御ネットワーク(GRN)情報を統合する。
また、サイレント遺伝子を予測し、生成したプロファイルの品質を向上させるためのマスキング機構も組み込んだ。
論文 参考訳(メタデータ) (2025-06-26T09:05:38Z) - JanusDDG: A Thermodynamics-Compliant Model for Sequence-Based Protein Stability via Two-Fronts Multi-Head Attention [0.0]
残基の変化がタンパク質の安定性にどのように影響するかを理解することは 機能的なタンパク質を設計するのに重要である。
タンパク質言語モデル(PLM)の最近の進歩は、計算タンパク質分析に革命をもたらした。
我々は PLM 由来の埋め込みと双方向のクロスアテンショントランスフォーマアーキテクチャを利用するディープラーニングフレームワーク JanusDDG を紹介する。
論文 参考訳(メタデータ) (2025-04-04T09:02:32Z) - MutaPLM: Protein Language Modeling for Mutation Explanation and Engineering [12.738902517872509]
MutaPLMは、タンパク質変異をタンパク質言語モデルで解釈し、ナビゲートするための統一的なフレームワークである。
MutaPLMは、統一された特徴空間内で明示的なタンパク質突然変異表現をキャプチャするタンパク質デルタネットワークを導入する。
MutaPLMは、人為的に理解可能な突然変異効果の説明を提供し、望ましい性質を持つ新規な突然変異の優先順位付けに優れている。
論文 参考訳(メタデータ) (2024-10-30T12:05:51Z) - Learning to Predict Mutation Effects of Protein-Protein Interactions by Microenvironment-aware Hierarchical Prompt Learning [78.38442423223832]
我々は、新しいコードブック事前学習タスク、すなわちマスク付きマイクロ環境モデリングを開発する。
突然変異効果予測において、最先端の事前学習法よりも優れた性能と訓練効率を示す。
論文 参考訳(メタデータ) (2024-05-16T03:53:21Z) - Efficiently Predicting Protein Stability Changes Upon Single-point
Mutation with Large Language Models [51.57843608615827]
タンパク質の熱安定性を正確に予測する能力は、様々なサブフィールドや生化学への応用において重要である。
タンパク質配列と構造的特徴を統合したESMによる効率的なアプローチを導入し, 単一点突然変異によるタンパク質の熱安定性変化を予測する。
論文 参考訳(メタデータ) (2023-12-07T03:25:49Z) - Accurate and Definite Mutational Effect Prediction with Lightweight
Equivariant Graph Neural Networks [2.381587712372268]
本研究では,野生型タンパク質の微小環境を効率的に解析する軽量なグラフ表現学習手法を提案する。
私たちのソリューションは、コミュニティにとって理想的な選択肢となる、幅広いメリットを提供します。
論文 参考訳(メタデータ) (2023-04-13T09:51:49Z)
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。