大规模配对抗体语言模型

Mar, 2024

Large scale paired antibody language models

Henry Kenlay, Frédéric A. Dreyer, Aleksandr Kovaltsuk, Dom Miketa, Douglas Pires...

TL;DR我们提出了 IgBert 和 IgT5，这两个迄今为止最好的抗体特异性语言模型，在设计更好的治疗方法方面，能持续处理成对和不成对的变量区域序列作为输入，并且在抗体工程的多样化设计和回归任务上，这些模型胜过了现有的抗体和蛋白质语言模型。这一进展在利用机器学习、大规模数据集和高性能计算增强抗体治疗方法的设计方面迈出了重要的一步。

Abstract

antibodies are proteins produced by the immune system that can identify and neutralise a wide variety of antigens with high specificity and affinity, and constitute the most successful class of biotherapeutics. With the advent of →

antibodies next-generation sequencing igbert igt5 antibody design

发现论文，激发创造

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

关于预训练语言模型在抗体研究中的应用

本文探讨了预训练语言模型在不同抗体任务中的表现，以及持续引入生物机制是否有助于模型。我们提供了 Antibody Understanding Evaluation（ATUE）基准，并通过实证研究全面评估了蛋白质预训练语言模型的性能，以得出结论和新见解，这对于药物发现和免疫过程的理解都有实际应用。

Jan, 2023

融合预训练范式的抗体序列 - 结构协同设计

本文提出了一种基于预训练模型的计算抗体设计方法，通过对抗体序列数据的预先训练，结合一种一次性的序列 - 结构生成方法和精心设计的模块，成功地生成了具有高性能的抗原特异性抗体。

Oct, 2022

基于人工智能的 B 细胞免疫疗法设计

抗体、机器学习、免疫治疗设计、抗原表位预测以及蛋白质结构是这篇文章所讨论的关键词和主要研究领域，文章评估了常用的数据来源、评价指标和方法可用性，并全面评估了它们的重要性和局限性，讨论了未来的主要挑战。

Sep, 2023

面向性质指导的抗体设计的 AntiBARTy 扩散

通过训练一种基于 BART 的抗体特异性语言模型 AntiBARTy，本研究利用其潜在空间来训练一种属性条件扩散模型，以进行引导 IgG 全新设计，从而有效生成具有改善的计算机辅助溶解度和控制序列多样性的新型抗体。

Sep, 2023

通过编码器 - 解码器语言模型有条件生成成对抗体链序列

pAbT5 是第一个用于蛋白质 - 蛋白质相互作用的编码器 - 解码器 LM，其通过使用 T5-based 架构对抗体链配对进行正向和逆向翻译，可以准确地反映链配对。

Jan, 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

神经信息传递用于联合抗体结合部位 - 表位预测

通过使用不同的神经消息传递架构，针对抗体的不同特定方面进行预测，我们改进了抗体中的帕拉图普和表位预测，并恢复了有利的定量预测结果。

May, 2021

关注交叉模态抗原表位预测

本研究利用深度神经网络实现抗体重要区域的预测，与先前的物理模型相比，Parapred 取得了更好的表现，其计算效率得到了显著提高，同时，实现交叉模态注意力，抗体残基与抗原残基相互关注，取得了新的最佳结果和有意义的解释。

Jun, 2018

抗体结构 - 序列共设计的分层训练方法

我们提出了一种层次训练范式 (HTP) 用于抗体序列结构的联合设计，通过结合几何图神经网络和大规模蛋白质语言模型，从几何结构和抗体序列数据库中挖掘进化信息，以确定配体结合位姿和强度，并取得了目前的最优性能。

Oct, 2023