Apr, 2023

AIRIVA：自适应免疫库的深度生成模型

PDF
TL;DR采用自适应免疫库不变变分自编码器（AIRIVA）模型，成功地将 T 细胞受体（TCR）免疫库在不同群体遗传学和测序深度的条件下的变化分离，实现了病原特异性 TCR 识别，并应用于 COVID-19 的感染和疫苗，以及单纯疱疹病毒（HSV-1 和 HSV-2）的研究。
immunomicst-cell receptordisease-specific tcrsadaptive immune repertoire-invariant variational autoencodercovid-19
发现论文，激发创造
  • 用于预测 T 细胞受体 - 抗原结合特异性的大型语言模型

    我们提出了一种蒙版语言模型（tcrLM），用于预测 T 细胞受体（TCR）与抗原的结合，通过训练 tcrLM 来推断被屏蔽的片段，从 TCR 序列中提取表达特征，并在大规模 COVID-19 pTCR 结合测试集上超过当前最先进的方法，有效预测免疫疗法反应和临床结果。

    Jun, 2024

  • 免疫库分类和疾病相关免疫受体序列识别的噪声标签学习方法

    通过噪声标签学习的方法解决免疫库分类任务，设计了鲁棒的训练策略，并通过同时训练两个具有相同结构但参数初始化不同的模型来改善已知的 “确认偏差” 问题。在 Cytomegalovirus（CMV）和癌症数据集上的实验验证了该方法在序列级和免疫库级任务上的有效性和优越性。

    Jul, 2023

  • 现代 Hopfield 网络和注意力机制在免疫库分类中的应用

    研究表明，转换器体系结构的关注机制实际上是现代 Hopfield 网络更新规则，可以存储指数级多个模式，在免疫库分类等具有大量示例的问题中可以利用这种高存储容量来解决问题。通过将转换器类似的关注与现代 Hopfield 网络相结合，我们提出了 DeepRC 方法，对于包括模拟和真实世界病毒感染数据在内的大规模实验，DeepRC 能够在预测性能方面胜过所有其他方法，并可以提取与给定疾病类别相连的序列模体。

    Jul, 2020

  • 利用语言模型和弱监督学习揭示抗体亲和力成熟

    本文介绍一种名为 AntiBERTy 的语言模型，该模型基于 558M 个天然抗体序列进行训练，在免疫库中对抗体进行聚类，用于理解免疫应答的亲和力成熟的过程，针对高度冗余的序列进行多实例学习，以确定免疫库中关键的结合残基。该方法的进一步发展将能够仅从免疫库序列中提供新的抗原结合洞察。

    Dec, 2021

  • 反病毒变形金刚：通过深度学习预测更具传染性的病毒变体以进行疫情预防

    该研究提出了 Optimus PPIme - 一种深度学习方法，可从现有病毒（例如 SARS-CoV-2）中预测未来更具传染性的变体，以改善疫苗设计和提前预防疫情爆发，救援生命。

    May, 2022

  • 一种用于预测 HLA 和 TCR 分子的统一交叉注意力模型

    我们提出了一种名为 UnifyImmun 的统一交互注意力变换器模型，它同时预测抗原与 HLA 和 TCR 分子的结合，从而更全面评估抗原免疫原性，并且我们的方法比现有方法在两个任务上表现更好。

    Apr, 2024

  • 用于抗体序列 - 结构协同设计的迭代精化图神经网络

    本文提出了一种基于生成模型的方法来自动设计具有增强的结合特异性或中和能力的抗体的 CDRs。该方法系统地利用了序列和三维结构之间的关系，并在设计中具有更高的效率和灵活性，最终成功设计出能够中和 SARS-CoV-2 病毒的抗体。

    Oct, 2021

  • TCR - 表位结合亲和力预测的成本效益主动学习框架

    T 细胞受体（TCR）是适应性免疫系统的关键组成部分，负责通过识别寄主细胞表面上呈现的表位序列来响应威胁。本研究提出了 ActiveTCR，这是一个结合主动学习和 TCR - 表位结合亲和力预测模型的框架，旨在通过减少注释成本来提高性能，并展示了首次对 TCR - 表位结合亲和力预测数据优化的系统性研究。

    Oct, 2023

  • T 细胞受体蛋白序列与稀疏编码：一种癌症分类的新方法

    本研究使用稀疏编码对 TCR 蛋白序列进行多类别分类以在癌症研究和其他相关领域中分析 TCR 蛋白序列，结果实现了 99.8％的准确率，并突显了稀疏编码在肿瘤治疗中的潜力。

    Apr, 2023

  • 一个 SARS-CoV-2 相互作用数据集和 VHH 序列语料库用于抗体语言模型

    通过使用 AVIDa-SARS-CoV-2 数据集以评估抗体语言模型的表示能力，加速抗体疗法的发现与 AI 驱动的抗体发现的发展。

    May, 2024