Molecular Fingerprints Are Strong Models for Peptide Function Prediction
이 논문은 복잡한 장기 의존성 모델링 없이도 단순한 분자 지문 (Molecular Fingerprints) 과 LightGBM 을 활용하여 펩타이드 기능 예측에서 그래프 신경망 및 트랜스포머 기반 모델보다 뛰어난 성능을 달성했음을 132 개 데이터셋을 통해 입증했습니다.
🧬 Category
q-bio.BM
19 편의 논문
Joint Geometric-Chemical Distance for Protein Surfaces
이 논문은 단백질 표면의 기하학적 구조와 화학적 분포를 확률적 결합을 통해 정렬하는 'IFACE' 프레임워크를 제안하여, 단백질 간 기능적 상호작용 패치를 식별하고 구조적·화학적 차이를 통합적으로 평가하는 새로운 거리를 제시합니다.
Representing local protein environments with machine learning force fields
이 논문은 원자 기반 기초 모델 (AFM) 의 중간 특징을 활용하여 단백질의 국소 환경을 효과적으로 표현하는 새로운 방식을 제안하고, 이를 통해 국소 구조와 화학적 특성을 포착하는 동시에 NMR 화학 이동 예측에서 최첨단 정확도를 달성하는 물리 기반 예측기를 개발했음을 보여줍니다.
CryoNet.Refine: A One-step Diffusion Model for Rapid Refinement of Structural Models with Cryo-EM Density Map Restraints
이 논문은 실험적 밀도 지도 제약 조건을 통합한 일단계 확산 모델을 활용하여 기존 방법론보다 빠르고 정밀하게 단백질 및 핵산 - 단백질 복합체의 구조를 자동 정제하는 'CryoNet.Refine'을 제안합니다.
Reverse Distillation: Consistently Scaling Protein Language Model Representations
이 논문은 자연어 처리나 컴퓨터 비전과 달리 단백질 언어 모델 (PLM) 의 확장성이 부진한 문제를 해결하기 위해, 작은 모델의 표현을 큰 모델의 직교 부분 공간으로 분해하여 '마트료시카' 구조를 갖는 역 증류 (Reverse Distillation) 프레임워크를 제안하고, 이를 통해 단백질 벤치마크에서 더 큰 모델이 일관되게 우수한 성능을 발휘하도록 함을 보여줍니다.
A thermodynamic metric quantitatively predicts disordered protein partitioning and multicomponent phase behavior
이 논문은 무질서 단백질 영역 (IDR) 의 아미노산 조성과 서열 패턴을 학습하여 복잡한 혼합물의 상분리 거동과 분포를 정량적으로 예측하고 해석할 수 있는 통합된 열역학적 척도 공간을 제시합니다.
BInD: Bond and Interaction-generating Diffusion Model for Multi-objective Structure-based Drug Design
이 논문은 단백질 표적 정보를 기반으로 분자와 상호작용을 동시에 생성하여 구조 기반 약물 설계의 여러 목표를 균형 있게 달성하는 새로운 확산 모델 'BInD'를 제안하고, 이를 통해 표적 결합력 및 특이성을 향상시키는 최적화 방법을 제시합니다.
Quantifying Cross-Attention Interaction in Transformers for Interpreting TCR-pMHC Binding
이 논문은 TCR-pMHC 결합을 해석하기 위해 기존 XAI 방법의 한계를 극복하는 새로운 사후 해석 기법인 QCAI 를 제안하고, 실험적으로 확인된 274 개 TCR-pMHC 구조로 구성된 TCR-XAI 벤치마크를 통해 해석 가능성과 예측 정확도 측면에서 최첨단 성능을 입증했습니다.
Sampling-based Continuous Optimization for Messenger RNA Design
이 논문은 mRNA 설계의 복잡한 다목적 최적화 문제를 해결하기 위해, 후보 서열을 샘플링하고 평가하여 파라미터화된 샘플링 분포를 반복적으로 업데이트하는 새로운 연속 최적화 프레임워크를 제안하고, 이를 통해 기존 방법들보다 안정성 및 성능 관련 지표에서 우수한 성능을 입증했습니다.
The role of topology on protein thermal stability
이 논문은 몬테카를로 시뮬레이션을 통해 단백질 YibK 의 열적 안정성 (Tm) 이 위상적 상태 (매듭 유무) 에 의존하지 않으며, 실험과 계산 결과 간의 불일치는 깊은 매듭 단백질에서 풀림과 풀리는 과정의 시간 척도 분리로 인해 DSC 실험이 비평형 상태를 측정하기 때문임을 규명했습니다.
Scaling Laws and Paradoxical Metastable States in Nanofilament Entropic Separation
이 논문은 엔트로피 힘이 항상 분리를 유도한다는 기존 관념을 뒤집고, 배제 부피 반경과 타ether 길이의 비율에 따라 나노필라멘트 다발이 서로 밀어내거나 오히려 끌어당기는 역설적인 준안정 상태를 형성할 수 있음을 정밀한 해석적 이론과 시뮬레이션을 통해 규명했습니다.
Topological Enhancement of Protein Kinetic Stability
이 논문은 몬테카를로 시뮬레이션을 통해 단백질의 매듭 구조가 접힘 효율보다는 변성 저항성인 운동적 안정성을 크게 향상시킨다는 것을 규명하고, 이는 진화적 압력이 매듭 단백질의 지속성에 기여했을 수 있음을 시사합니다.
Preservation Constraints on aDNA Information Generation and the HSF Posterior Sourcing Framework: A First-Principles Critique of Conventional Methods
이 논문은 고대 DNA 의 보존 상태와 기원을 다원적으로 분석하여 기존 방법론의 한계를 지적하고, HSF 사후 추적성 프레임워크를 제안함으로써 혼합 신호 샘플에서의 진위 평가 신뢰도를 높이고 오할당 오류를 줄이는 새로운 접근법을 제시합니다.
HEroBM: a deep equivariant graph neural network for universal backmapping from coarse-grained to all-atom representations
이 논문은 다양한 조립 (coarse-grained) 매핑에 적용 가능하며 높은 정확도로 원자 수준의 구조를 재구성하는 범용 역매핑 (backmapping) 방법론인 HEroBM 을 제안합니다.
RNA Dynamics and Interactions Revealed through Atomistic Simulations
이 리뷰 논문은 분자 동역학 시뮬레이션을 통해 RNA 의 구조적 역동성과 다양한 분자 간 상호작용을 규명하는 최신 연구 동향을 살펴보고, 향상된 샘플링 기법과 인공지능의 역할을 강조합니다.
Inference-time optimization for experiment-grounded protein ensemble generation
이 논문은 실험 데이터와 물리적 제약을 동시에 만족하는 단백질 앙상블을 생성하기 위해 잠재 표현 최적화와 볼츠만 가중치 샘플링을 결합한 추론 시간 최적화 프레임워크를 제안하며, 기존 생성 모델의 한계를 극복하고 실험 데이터와의 일치도를 향상시킴과 동시에 모델 신뢰도 지표의 취약점을 규명합니다.
FLOWR.root: A flow matching based foundation model for joint multi-purpose structure-aware 3D ligand generation and affinity prediction
FLOWR.root 는 SE(3) 공변량 흐름 매칭을 기반으로 3 차원 리간드 생성, 결합 친화도 예측, 신뢰도 추정을 통합하여 구조 기반 신약 설계의 히트 발굴부터 리드 최적화까지 포괄적으로 지원하는 새로운 기반 모델입니다.
In vitro binding energies capture Klf4 occupancy across the human genome
이 논문은 Klf4 전사 인자의 in vitro 결합 에너지를 정량적으로 측정하고 Ising 모델과 결합하여 시퀀스 의존적 결합 에너지를 설명함으로써, 추가 매개변수 없이 인간 게놈 전반의 Klf4 점유율을 정확하게 예측할 수 있음을 보여줍니다.
Cryo-SWAN: the Multi-Scale Wavelet-decomposition-inspired Autoencoder Network for molecular density representation of molecular volumes
이 논문은 분자 밀도 볼륨의 전역 기하학과 고주파 구조적 세부 사항을 모두 정확하게 포착하기 위해 다중 스케일 웨이블릿 분해에 영감을 받은 볼륨 기반 변이 오토인코더인 'Cryo-SWAN'을 제안하고, 이를 통해 3D 재구성 품질을 향상시키고 분자 구조의 잠재 공간 표현 및 생성을 가능하게 함을 보여줍니다.