Buchumschlag

Regressor-guided Diffusion Model for De Novo Peptide Sequencing with Explicit Mass Control

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Shaorong, Zhou, Jingbo, Xia, Jun
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Quantitative Methods Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AdaNovo: Adaptive \emph{De Novo} Peptide Sequencing with Conditional Mutual Information
von: Xia, Jun, et al.
Veröffentlicht: (2024)

NovoBench: Benchmarking Deep Learning-based De Novo Peptide Sequencing Methods in Proteomics
von: Zhou, Jingbo, et al.
Veröffentlicht: (2024)

PRESCRIBE: Predicting Single-Cell Responses with Bayesian Estimation
von: Cheng, Jiabei, et al.
Veröffentlicht: (2025)

Optimizing Mirror-Image Peptide Sequence Design for Data Storage via Peptide Bond Cleavage Prediction
von: Lu, Yilong, et al.
Veröffentlicht: (2025)

Explicit Path CGR: Maintaining Sequence Fidelity in Geometric Representations
von: Ali, Sarwan
Veröffentlicht: (2025)

Latent Diffusion Models for Controllable RNA Sequence Generation
von: Huang, Kaixuan, et al.
Veröffentlicht: (2024)

A Multi-Modal Contrastive Diffusion Model for Therapeutic Peptide Generation
von: Wang, Yongkang, et al.
Veröffentlicht: (2023)

Transcriptome-Conditioned Personalized De Novo Drug Generation for AML Using Metaheuristic Assembly and Target-Driven Filtering
von: Elafifi, Abdullah G., et al.
Veröffentlicht: (2025)

Sequence-Only Prediction of Binding Affinity Changes: A Robust and Interpretable Model for Antibody Engineering
von: Liu, Chen, et al.
Veröffentlicht: (2025)

DiffMS: Diffusion Generation of Molecules Conditioned on Mass Spectra
von: Bohde, Montgomery, et al.
Veröffentlicht: (2025)

Peptide-GPT: Generative Design of Peptides using Generative Pre-trained Transformers and Bio-informatic Supervision
von: Shah, Aayush, et al.
Veröffentlicht: (2024)

HDTree: Generative Modeling of Cellular Hierarchies for Robust Lineage Inference
von: Zang, Zelin, et al.
Veröffentlicht: (2025)

FRIGID: Scaling Diffusion-Based Molecular Generation from Mass Spectra at Training and Inference Time
von: Bohde, Montgomery, et al.
Veröffentlicht: (2026)

Reward-Guided Discrete Diffusion via Clean-Sample Markov Chain for Molecule and Biological Sequence Design
von: Phunyaphibarn, Prin, et al.
Veröffentlicht: (2026)

De Novo Generation of Hit-like Molecules from Gene Expression Profiles via Deep Learning
von: Li, Chen, et al.
Veröffentlicht: (2024)

Target Specific De Novo Design of Drug Candidate Molecules with Graph Transformer-based Generative Adversarial Networks
von: Ünlü, Atabey, et al.
Veröffentlicht: (2023)

MM-DADM: Multimodal Drug-Aware Diffusion Model for Virtual Clinical Trials
von: Shao, Qian, et al.
Veröffentlicht: (2025)

GRAPE: Heterogeneous Graph Representation Learning for Genetic Perturbation with Coding and Non-Coding Biotype
von: Chi, Changxi, et al.
Veröffentlicht: (2025)

Exploring Latent Space for Generating Peptide Analogs Using Protein Language Models
von: Liang, Po-Yu, et al.
Veröffentlicht: (2024)

Denoising Diffusion Variational Inference: Diffusion Models as Expressive Variational Posteriors
von: Piriyakulkij, Wasu Top, et al.
Veröffentlicht: (2024)

scPPDM: A Diffusion Model for Single-Cell Drug-Response Prediction
von: Liang, Zhaokang, et al.
Veröffentlicht: (2025)

Sequence Analysis Using the Bezier Curve
von: Murad, Taslim, et al.
Veröffentlicht: (2025)

Identification of Capture Phases in Nanopore Protein Sequencing Data Using a Deep Learning Model
von: Martin, Annabelle, et al.
Veröffentlicht: (2025)

Deep learning-guided evolutionary optimization for protein design
von: Hartman, Erik, et al.
Veröffentlicht: (2026)

Reliable algorithm selection for machine learning-guided design
von: Fannjiang, Clara, et al.
Veröffentlicht: (2025)

Protenix-Mini: Efficient Structure Predictor via Compact Architecture, Few-Step Diffusion and Switchable pLM
von: Gong, Chengyue, et al.
Veröffentlicht: (2025)

Epidemic-guided deep learning for spatiotemporal forecasting of Tuberculosis outbreak
von: Barman, Madhab, et al.
Veröffentlicht: (2025)

VADA: a Data-Driven Simulator for Nanopore Sequencing
von: Niederle, Jonas, et al.
Veröffentlicht: (2024)

Decoupled Sequence and Structure Generation for Realistic Antibody Design
von: Kim, Nayoung, et al.
Veröffentlicht: (2024)

Generalists vs. Specialists: Evaluating LLMs on Highly-Constrained Biophysical Sequence Optimization Tasks
von: Chen, Angelica, et al.
Veröffentlicht: (2024)

Exploring the Utility of MALDI-TOF Mass Spectrometry and Antimicrobial Resistance in Hospital Outbreak Detection
von: Liu, Chang, et al.
Veröffentlicht: (2026)

A Diffusion Model to Shrink Proteins While Maintaining Their Function
von: Baron, Ethan, et al.
Veröffentlicht: (2025)

DPLM-2: A Multimodal Diffusion Protein Language Model
von: Wang, Xinyou, et al.
Veröffentlicht: (2024)

Is Sequence Information All You Need for Bayesian Optimization of Antibodies?
von: Ober, Sebastian W., et al.
Veröffentlicht: (2025)

Curriculum-Augmented GFlowNets For mRNA Sequence Generation
von: Laajil, Aya, et al.
Veröffentlicht: (2025)

GROOT: Effective Design of Biological Sequences with Limited Experimental Data
von: Tran, Thanh V. T., et al.
Veröffentlicht: (2024)

BeeTLe: An Imbalance-Aware Deep Sequence Model for Linear B-Cell Epitope Prediction and Classification with Logit-Adjusted Losses
von: Yuan, Xiao
Veröffentlicht: (2023)

Enhancing Generative Molecular Design via Uncertainty-guided Fine-tuning of Variational Autoencoders
von: Abeer, A N M Nafiz, et al.
Veröffentlicht: (2024)

Automated Model-Free Sorting of Single-Molecule Fluorescence Events Using a Deep Learning Based Hidden-State Model
von: Zeng, Wenqi, et al.
Veröffentlicht: (2025)

Modeling variable guide efficiency in pooled CRISPR screens with ContrastiveVI+
von: Weinberger, Ethan, et al.
Veröffentlicht: (2024)