概要 - MODA: マルチタスクターゲット意識型分子生成のための統一化3D拡散フレームワーク

タイトル
MODA: マルチタスクターゲット意識型分子生成のための統一化3D拡散フレームワーク

時間
2025-07-09 18:19:50

著者
{"Dong Xu","Zhangfan Yang","Sisi Yuan","Jenna Xinyi Yao","Jiangqiang Li","Junkai Ji"}

カテゴリ
{q-bio.BM,cs.AI,cs.LG}

リンク
http://arxiv.org/abs/2507.07201v1

PDF リンク
http://arxiv.org/pdf/2507.07201v1

概要

MODAは、多タスクのターゲット意識分子生成のため設計された統一された3D拡散フレームワークです。このフレームワークは、SMILESのみの入力、二段階の事前学習および微調整のパイプライン、一タスク一モデルの実践などの現在の分子生成器の限界に対応しています。MODAは、ベイズ遮蔽スケジューラを用いてフラグメントの成長、リンカーデザイン、骨格の跳び、および側鎖の装飾を統合し、モデルがタスク間で共有される幾何学的および化学的な事前知識を学習できるようにしています。 トレーニング中、MODAは連続的な空間的なフラグメントを遮蔽し、一つのパスでノイズを除去します。これにより、モデルはタスク間の共有される表現から学習し、それを用いて高い精度で分子を生成できます。このフレームワークは、ベイズ多タスク遮蔽スケジューラも採用しており、化学的に動機づけられた4つの遮蔽をサンプリングします。これにより、単一のモデルが4つのタスク特別な専門モデルを置き換え、データおよび工学コストを削減できます。 MODAの結果は、以下の点で6つの拡散ベースラインおよび3つのトレーニングパラダイムを上回っています：構造、化学性質、相互作用、および幾何学。Model-Cはリガンド-タンパク質の衝突を減少させ、構造の分岐を保ちながらリピンスキーの遵守を維持します。一方、Model-Bは類似性を保ちながら、新規性および結合親和力では劣ります。ゼロショットのデ・ノボ設計およびリード最適化テストでは、力場の最適化なしでも安定したネガティブVinaスコアと高い改善率が確認されました。 全体として、MODAは単一ステージの多タスク拡散ルーチンが構造ベースの分子設計に持つ可能性を示しています。それは、望ましい性質を持つ分子を生成するためのより効率的で効果的なアプローチを提供し、薬物発見プロセスを革新する可能性があります。


推奨論文

構造性能と製造性のバランスを取るための新しい多厚さトポロジー最適化法

会話が歪んだ後でもどうなるか？対話予測モデルの評価

ノイズパラメータを含む半パラメトリック推論のためのラテン フュージョン マルチタスク学習

「高階Busy Beaver関数」という言葉を日本語に翻訳すると、「高次元ベジー関数」となります。ただし、この用語は日本語の技術文献や論文ではあまり使用されていないため、専門的な文献や論文のタイトルや抽象で見られるかもしれません。以下は一般的な翻訳例です： 高次元ベジー関数 あるいは、より詳細に説明する場合は： 高階の忙しいバーバー関数 「高次元」とは、関数の次数を指し、数学や計算機科学の分野で「次数」という言葉はよく使用されます。一方、「ベジー関数」は、テオレム・ベジーの名前をとって命名された関数で、特定の計算機の動作を表す関数です。

非离散領域を超えた近似SMT計数

DNNベースのHSIセグメンテーション用FPGAベースのSoCのための最適化：実践的なアプローチ

データシートからの自動HEMTモデル構築：多様な知能と事前知識なしの最適化を通じて

フィードバックからチェックリストへの移行：AI生成の臨床記録の基盤評価

高次元仕様を持つ複雑な細長いポリマー部品のグリーンインジェクション成形に新しい形状冷却配置の適用

RoCE BALBOA：スマートNIC向けのサービス強化型データセンターRDMA