IJCAIMay, 2024
多模态对比学习与交互信息性估计提升抗原表位和抗体表位预测
Improving Paratope and Epitope Prediction by Multi-Modal Contrastive Learning and Interaction Informativeness Estimation
Zhiwei Wang, Yongkang Wang, Wen Zhang
TL;DR通过使用抗体和抗原的序列和结构数据，本文提出了一种名为 MIPE 的多模态对比学习和相互信息估计的抗原表位和抗体表位预测方法，MIPE 通过最大化每个模态中与结合和非结合残基的表示并同时对齐单模态表示以获得有效的模态表示；为了利用空间交互信息，MIPE 还包括相互信息估计来计算抗体和抗原之间的估计交互矩阵，从而近似于实际矩阵。大量实验证明了我们的方法相比基线方法的优越性，并且消融实验和可视化结果证明了 MIPE 的优越性，这要归功于通过多模态对比学习获得的更好表示和相互信息估计所理解的交互模式。