May, 2024

ABodyBuilder3: 改良和可扩展的抗体结构预测

PDF
TL;DR基于 ImmuneBuilder，我们介绍了 ABodyBuilder3，一种改进和可扩展的抗体结构预测模型，通过利用语言模型嵌入，实现了 CDR 环的建模中的最新准确性，并展示了通过仔细的松弛策略进一步改进预测结构的方法。最后，我们将预测的局部距离差异测试结合到模型输出中，以便更准确地估计不确定性。
发现论文，激发创造
  • 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

  • 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

  • AntibodyFlow: 设计抗体互补决策区的标准流模型

    提出了一种名为 AntibodyFlow 的三维流模型，用于设计抗体 CDR 环。通过构建距离矩阵并基于该矩阵预测氨基酸，AntibodyFlow 能够学习 CDR 环的三维几何结构，实验证明 AntibodyFlow 在有效率和几何图形误差方面优于其他基线方法。

    Jun, 2024

  • 利用深度学习进行抗体序列设计的逆折叠

    给定 3D 结构信息，我们提出了一种经过精调的逆折叠模型，专门针对抗体结构进行优化，在抗体中的序列恢复和结构鲁棒性方面超越通用蛋白质模型，尤其在高变性 CDR-H3 环上改进显著。我们研究了互补决定区的规范构象，发现将这些环编码到已知簇中的方法有所改进。最后，我们考虑了我们模型在药物发现和结合物设计方面的应用，并利用基于物理的方法评估了所提出序列的质量。

    Oct, 2023

  • AntBO：基于组合贝叶斯优化的实时自动抗体设计

    提出了用于优化抗体 CDRH3 区域的贝叶斯优化框架 AntBO，该框架使用 Absolut！软件来评估抗体对特定抗原的特异性和亲和力，并通过引入 CDRH3 信任区域来限制具有有利发展性得分的序列搜索，最终在仅使用少量黑盒函数调用的情况下，在 159 个抗原和 38 个蛋白质设计中发现了高达 69 万个实验得到的序列和常用遗传算法基线的最佳结合序列。

    Jan, 2022

  • 蛋白复合物不变嵌入与交叉门多层感知器是一种一次性抗体设计工具

    本文提出了一种深度生成模型，可在一次试验中协同设计抗体 CDR 的一维序列和三维结构，并通过广泛实验证明其性能优于现有方法。

    Apr, 2023

  • 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

  • 抗体亲和力预测的主动学习

    通过活跃学习框架，加速搜索改进的结合剂，探索不同建模方法以识别最有效的代理模型，并在预先计算的数据池和真实的完整循环设置中评估我们的框架。

    Jun, 2024

  • 基于环特定关注的多任务学习，用于 CDR 结构预测

    本文提出了一个采用多任务学习和循环特定注意的模型，名为 MLSA，用于共同学习三个 CDR 循环，以预测抗体工程中最具挑战性的 H3 环的 CDR 结构，并在广泛使用的基准数据上表明，该方法明显降低了预测误差。

    Jun, 2023

  • 大规模配对抗体语言模型

    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。

    Mar, 2024