タンパク質構造予測における深層学習手法の重要性と可能性を探求する。
粗視化分子動力学(CG-MD)シミュレーションは、計算効率が高いためタンパク質の構造変化や熱力学的特性を調べるのに役立つが、原子レベルの詳細が犠牲になるため、創薬などの応用が制限される。本稿では、潜在拡散を用いて粗視化表現から全原子構造を再構築する新しい手法、潜在拡散バックマッピング(LDB)を提案する。LDBは、離散的な潜在表現と拡散を組み合わせることで、従来手法の課題であった計算コストや構造の多様性と正確性の両立を実現し、原子レベルの詳細を保持したまま効率的にバックマッピングを行うことができる。