論文の概要: Potential Neutralizing Antibodies Discovered for Novel Corona Virus Using Machine Learning

• arxiv url: http://arxiv.org/abs/2003.08447v1
• Date: Wed, 18 Mar 2020 19:23:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-22 13:17:15.288105
• Title: Potential Neutralizing Antibodies Discovered for Novel Corona Virus Using Machine Learning
• Title（参考訳）: 機械学習を用いた新しいコロナウイルスに対する中和抗体の発見
• Authors: Rishikesh Magar, Prakarsh Yadav, Amir Barati Farimani
• Abstract要約: 新型コロナウイルスの感染拡大を受け、世界中の何千人もの人々が死亡した。 数千の仮説的抗体配列をスクリーニングし、新型コロナウイルスを阻害する8つの安定抗体を発見した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The fast and untraceable virus mutations take lives of thousands of people before the immune system can produce the inhibitory antibody. Recent outbreak of novel coronavirus infected and killed thousands of people in the world. Rapid methods in finding peptides or antibody sequences that can inhibit the viral epitopes of COVID-19 will save the life of thousands. In this paper, we devised a machine learning (ML) model to predict the possible inhibitory synthetic antibodies for Corona virus. We collected 1933 virus-antibody sequences and their clinical patient neutralization response and trained an ML model to predict the antibody response. Using graph featurization with variety of ML methods, we screened thousands of hypothetical antibody sequences and found 8 stable antibodies that potentially inhibit COVID-19. We combined bioinformatics, structural biology, and Molecular Dynamics (MD) simulations to verify the stability of the candidate antibodies that can inhibit the Corona virus.
• Abstract（参考訳）: 迅速で追跡不能なウイルス変異は、免疫系が抑制抗体を産生する前に数千人の命を奪う。 新型コロナウイルスの感染拡大を受け、世界中で数千人が死亡した。 新型コロナウイルスのウイルスエピトープを阻害するペプチドや抗体配列の迅速発見法は、数千人の命を救う。 本稿では,コロナウイルスに対する阻害性合成抗体を予測するための機械学習(ML)モデルを考案した。 1933年のウイルス抗体配列と臨床患者中和反応を収集し,MLモデルを用いて抗体反応の予測を行った。 各種ML法を用いて, 数千の仮説抗体配列をスクリーニングし, 8種類の安定抗体が検出された。 我々は、コロナウイルスを阻害する候補抗体の安定性を検証するために、バイオインフォマティクス、構造生物学、分子動力学(md)シミュレーションを組み合わせた。

関連論文リスト

• To Explore the Potential Inhibitors against Multitarget Proteins of COVID 19 using In Silico Study [0.0]
  新型コロナウイルスの感染拡大に伴う世界的なパンデミックは、未解決の公衆衛生危機を招いた。 分子ドッキングと機械学習レグレッションを組み合わせた治療薬の探索を行った。 我々は、-19.7 kcal/molから-12.6 kcal/molの範囲で、それぞれZINC (3873365, 85432544, 8214470, 85536956, 261494640) を含む新規な5種類の阻害薬を提案した。
  論文  参考訳（メタデータ） (2024-09-24T22:19:56Z)
• Opponent Shaping for Antibody Development [49.26728828005039]
  抗ウイルス療法は通常、ウイルスの現在の株のみを標的とするように設計されている。 治療によって誘導される選択的圧力はウイルスに作用し、変異株の出現を誘導し、初期治療が効果を低下させる。 我々は、ウイルスの進化的脱出の遺伝的シミュレーションを実装するために、抗体とウイルス抗原の結合の計算モデルを構築した。
  論文  参考訳（メタデータ） (2024-09-16T14:56:27Z)
• AVIDa-hIL6: A Large-Scale VHH Dataset Produced from an Immunized Alpaca for Predicting Antigen-Antibody Interactions [1.1381826108737396]
  重鎖抗体(VHHs)の変異領域における抗原と抗体の相互作用を予測するための大規模データセットを開発した。 AVIDa-hIL6は、アミノ酸配列と573,891の抗原-VHHペアを含む。 機械学習モデルを用いたAVIDa-hIL6のベンチマーク結果について報告する。
  論文  参考訳（メタデータ） (2023-06-06T00:42:36Z)
• Virus2Vec: Viral Sequence Classification Using Machine Learning [48.40285316053593]
  本稿では,バイラル・シークエンスのための特徴ベクトル表現であるVrus2Vecを提案する。 コロナウイルス科の実際のスパイク配列と狂犬病ウイルスのシークエンスデータに基づいてウイルス2Vecを実験的に評価し、宿主を予測した。 以上の結果から, Virus2Vecはベースラインおよび最先端手法の予測精度よりも優れていた。
  論文  参考訳（メタデータ） (2023-04-24T08:17:16Z)
• xTrimoABFold: De novo Antibody Structure Prediction without MSA [77.47606749555686]
  我々は、抗体配列から抗体構造を予測するために、xTrimoABFoldという新しいモデルを開発した。 CDRにおけるドメイン特異的焦点損失のアンサンブル損失とフレーム整合点損失を最小化することにより,PDBの抗体構造をエンドツーエンドにトレーニングした。
  論文  参考訳（メタデータ） (2022-11-30T09:26:08Z)
• Incorporating Pre-training Paradigm for Antibody Sequence-Structure Co-design [134.65287929316673]
  深層学習に基づく計算抗体の設計は、人間の経験を補完する可能性のあるデータから自動的に抗体パターンをマイニングするので、注目を集めている。 計算手法は高品質な抗体構造データに大きく依存しており、非常に限定的である。 幸いなことに、CDRをモデル化し、構造データへの依存を軽減するために有効な抗体の配列データが多数存在する。
  論文  参考訳（メタデータ） (2022-10-26T15:31:36Z)
• Accelerating Inhibitor Discovery for Multiple SARS-CoV-2 Targets with a Single, Sequence-Guided Deep Generative Framework [47.14853881703749]
  我々は、新規な薬物様阻害剤分子の発見に向けた、単一の深層生成機構の広範な有用性を実証する。 このフレームワークは、ターゲット認識設計を行うために、生成モデルから新規分子をターゲットシーケンス条件でサンプリングする。 最も強力なスパイクRBD阻害剤は、SARS-CoV-2変異株に対して幅広いスペクトル活性を有する稀な非共有結合型抗ウイルス剤として出現した。
  論文  参考訳（メタデータ） (2022-04-19T17:59:46Z)
• Machine-Learning Driven Drug Repurposing for COVID-19 [0.47791962198275073]
  ニューラルネットワークモデルを用いてウイルスタンパク質と抗ウイルス療法の関連性を明らかにすることを目的とする。 我々は、ウイルスタンパク質配列を入力として、抗ウイルス剤を出力として、ANNモデルを訓練した。 SARS-CoV-2の配列を訓練されたモデルへの入力として使用すると、COVID-19の治療のための暫定的な安全なヒトの抗ウイルス候補が生成される。
  論文  参考訳（メタデータ） (2020-06-25T21:18:53Z)
• Accelerating Antimicrobial Discovery with Controllable Deep Generative Models and Molecular Dynamics [109.70543391923344]
  CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。 深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。 提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
  論文  参考訳（メタデータ） (2020-05-22T15:57:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。