論文の概要: Antibody Watch: Text Mining Antibody Specificity from the Literature
- arxiv url: http://arxiv.org/abs/2008.01937v2
- Date: Thu, 12 Nov 2020 00:40:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 18:30:35.557750
- Title: Antibody Watch: Text Mining Antibody Specificity from the Literature
- Title（参考訳）: 抗体ウォッチ:文学における抗体特異性のテキストマイニング
- Authors: Chun-Nan Hsu, Chia-Hui Chang, Thamolwan Poopradubsil, Amanda Lo, Karen
A. William, Ko-Wei Lin, Anita Bandrowski, Ibrahim Burak Ozyurt, Jeffrey S.
Grethe, and Maryann E. Martone
- Abstract要約: 抗体は、プロバイダが設計した標的タンパク質に特異的に結合しない場合、必ずしも確実に結果を出すとは限らない。
本研究では,文献に報告されている抗体特異性に関するステートメントを抽出することにより,問題のある抗体のユーザに対して警告を自動生成する可能性を検討する。
抽出したアラートを使用して、問題のある抗体のステートメントを含む"Antibody Watch"知識ベースを構築することができる。
- 参考スコア（独自算出の注目度）: 0.1551854467089675
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Antibodies are widely used reagents to test for expression of proteins and
other antigens. However, they might not always reliably produce results when
they do not specifically bind to the target proteins that their providers
designed them for, leading to unreliable research results. While many proposals
have been developed to deal with the problem of antibody specificity, it is
still challenging to cover the millions of antibodies that are available to
researchers. In this study, we investigate the feasibility of automatically
generating alerts to users of problematic antibodies by extracting statements
about antibody specificity reported in the literature. The extracted alerts can
be used to construct an "Antibody Watch" knowledge base containing supporting
statements of problematic antibodies. We developed a deep neural network system
and tested its performance with a corpus of more than two thousand articles
that reported uses of antibodies. We divided the problem into two tasks. Given
an input article, the first task is to identify snippets about antibody
specificity and classify if the snippets report that any antibody exhibits
non-specificity, and thus is problematic. The second task is to link each of
these snippets to one or more antibodies mentioned in the snippet. The
experimental evaluation shows that our system can accurately perform both
classification and linking tasks with weighted F-scores over 0.925 and 0.923,
respectively, and 0.914 overall when combined to complete the joint task. We
leveraged Research Resource Identifiers (RRID) to precisely identify antibodies
linked to the extracted specificity snippets. The result shows that it is
feasible to construct a reliable knowledge base about problematic antibodies by
text mining.
- Abstract（参考訳）: 抗体は、タンパク質やその他の抗原の発現をテストするために広く用いられる試薬である。
しかし、プロバイダが設計したターゲットタンパク質に特異的に結合していない場合、必ずしも確実な結果が得られず、信頼性の低い研究結果につながる可能性がある。
抗体特異性の問題に対処するために多くの提案がなされているが、研究者が利用できる何百万もの抗体をカバーすることは依然として難しい。
本研究では,文献に報告されている抗体特異性に関するステートメントを抽出することにより,問題のある抗体のユーザに対して警告を自動生成する可能性を検討する。
抽出したアラートを使用して、問題のある抗体のステートメントを含む"Antibody Watch"知識ベースを構築することができる。
ディープニューラルネットワークシステムを開発し,抗体の使用を報告した2万記事以上のコーパスを用いてその性能を検証した。
私たちはその問題を2つのタスクに分けた。
入力された記事が与えられた場合、最初のタスクは抗体特異性に関するスニペットを特定し、スニペットが抗体が非特異性を示すと報告した場合の分類である。
第2のタスクは、それぞれのスニペットをスニペットで言及されている1つ以上の抗体にリンクすることである。
実験により, 本システムでは, 重み付きFスコアが0.925, 0.923, 結合タスクが0.914, 結合タスクが0.914, それぞれ正確に動作可能であることがわかった。
抽出した特異性スニペットに関連付けられた抗体の同定にRRID(Research Resource Identifiers)を利用した。
その結果,テキストマイニングにより,問題抗体に関する信頼できる知識基盤を構築することが可能となった。
関連論文リスト
- Leveraging Large Language Models to Predict Antibody Biological Activity Against Influenza A Hemagglutinin [0.15547733154162566]
インフルエンザA型ヘマグルチニン(HA)抗原に対する抗体の結合および受容体遮断活性を予測するためのAIモデルを開発した。
AUROC $geq$0.91, AUROC $geq$0.91, AUROC for unseen HAs。
論文 参考訳（メタデータ） (2025-02-02T06:48:45Z) - Relation-Aware Equivariant Graph Networks for Epitope-Unknown Antibody Design and Specificity Optimization [61.06622479173572]
本稿では,抗原特異的CDRの構造と共同設計配列に対する抗原抗体相互作用をモデル化するRAADフレームワークを提案する。
さらに, 抗体特異度をよりよく測定し, 抗体特異度を最適化するコントラスト特異的エンハンス制約を開発するための新しい評価指標を提案する。
論文 参考訳（メタデータ） (2024-12-14T03:00:44Z) - Evaluating Zero-Shot Scoring for In Vitro Antibody Binding Prediction
with Experimental Validation [0.08968838300743379]
オープンソースモデルに基づく8つの共通スコアリングパラダイムを比較して,抗体設計をバインダーやノンバインダーとして分類する。
その結果,既存手法はバインダーの検出に苦慮しており,抗原間では高い変動が認められた。
論文 参考訳（メタデータ） (2023-12-07T23:34:03Z) - Malicious Agent Detection for Robust Multi-Agent Collaborative Perception [52.261231738242266]
多エージェント協調(MAC)知覚は、単エージェント認識よりも敵攻撃に対して脆弱である。
MAC知覚に特異的な反応防御であるMADE(Malicious Agent Detection)を提案する。
我々は、ベンチマーク3DデータセットV2X-simとリアルタイムデータセットDAIR-V2Xで包括的な評価を行う。
論文 参考訳（メタデータ） (2023-10-18T11:36:42Z) - On Pre-trained Language Models for Antibody [21.59770462282307]
一般のタンパク質と抗体特異的な事前訓練言語モデルの両方が、抗体予測タスクを促進する。
1) 事前学習された言語モデルは,異なる特異性を持つ抗体処理において,どのように機能するのか?
学習された抗体の事前学習表現は、薬物発見や免疫プロセス理解のような現実世界の抗体問題に意味があるのだろうか?
論文 参考訳（メタデータ） (2023-01-28T07:05:15Z) - 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) - AntBO: Towards Real-World Automated Antibody Design with Combinatorial
Bayesian Optimisation [53.43922443725598]
本稿では,CDRH3領域のシリコ設計を効率的に行うための組合せ最適化アルゴリズムAntBOを提案する。
AntBOをベンチマークするために、私たちはAbsolut!ソフトウェアスイートをブラックボックスのオラクルとして使用しています。
200以上のタンパク質の設計において、AntBOは690万の実験的に得られたCDRH3から引き出された最も優れた結合配列より優れた抗体配列を提案することができる。
論文 参考訳（メタデータ） (2022-01-29T12:03:04Z) - Deciphering antibody affinity maturation with language models and weakly
supervised learning [10.506336354512145]
我々は558万の天然抗体配列に基づいて訓練された言語モデルであるAntiBERTyを紹介する。
その結果,レパートリーでは,アフィニティ成熟に類似した抗体を軌跡にまとめることができた。
マルチインスタンス学習フレームワークを用いて、冗長なシーケンスを予測するために訓練されたモデルが、プロセスのキーバインディング残基を識別することを示す。
論文 参考訳（メタデータ） (2021-12-14T23:05:01Z) - Improving the Adversarial Robustness for Speaker Verification by Self-Supervised Learning [95.60856995067083]
この研究は、特定の攻撃アルゴリズムを知らずにASVの敵防衛を行う最初の試みの一つである。
本研究の目的は,1) 対向摂動浄化と2) 対向摂動検出の2つの視点から対向防御を行うことである。
実験の結果, 検出モジュールは, 約80%の精度で対向検体を検出することにより, ASVを効果的に遮蔽することがわかった。
論文 参考訳（メタデータ） (2021-06-01T07:10:54Z)
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。