階層関数によるde novo蛋白質設計のための条件付き生成モデリング【JST・京大機械翻訳】

Kucera, T.; Togninalli, M.; Meng-Papaxanthos, L.

プレプリント

J-GLOBAL ID：202202201909173884 整理番号：21P0272299

階層関数によるde novo蛋白質設計のための条件付き生成モデリング【JST・京大機械翻訳】

Conditional Generative Modeling for De Novo Protein Design with Hierarchical Functions

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月28日プレプリントサーバーでの情報更新日： 2022年04月28日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

モチベーションプロテイン設計は医学およびバイオテクノロジー応用にとってますます重要になっている。蛋白質形成の基礎となる複雑な機構のため,新規蛋白質の創製は,退屈で時間のかかる計算または実験プロトコルを必要とする。同時に,機械学習は,大量の利用可能なデータを活用することによって複雑な問題の解決を可能にし,より最近,生成モデリングの領域に関する大きな改善を伴う。しかし,生成モデルは主に蛋白質設計の特定の部分問題に適用された。【結果】ここでは,階層的遺伝子オントロジーの機能ラベルで調整した一般的目的蛋白質設計の問題を検討した。このドメインにおける生成モデルを評価する正準方法は欠けているので,いくつかの生物学的および統計的にヒントを得たメトリックスの評価スキームを考案する。次に,条件付き生成敵対ネットワークProteGANを開発し,それが蛋白質配列生成のためのいくつかの古典的およびより最近の深層学習基準より優れていることを示した。さらに,ハイパーパラメータおよびアブレーションベースラインを分析することによって,モデルへの洞察を与えた。最後に,機能的条件付きモデルがラベルを結合することにより新しい機能を持つ蛋白質を生成し,この研究方向へ第一段階を提供すると仮定した。アベイラビリティCodeとデータは,https://github.com/timkucera/proteogan接触tim.kucera@bsse.ethz.ch,mt@visium.ch,lpapaxantos@gogle.comで利用可能である。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

遺伝子操作 , 分子・遺伝情報処理 , 分子構造 , 蛋白質・ペプチド一般

, , ,

前のページに戻る