論文の概要: Antibody-Antigen Docking and Design via Hierarchical Equivariant Refinement

• arxiv url: http://arxiv.org/abs/2207.06616v1
• Date: Thu, 14 Jul 2022 02:13:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-15 14:54:10.121040
• Title: Antibody-Antigen Docking and Design via Hierarchical Equivariant Refinement
• Title（参考訳）: 階層的同変精細化による抗体抗原ドッキングと設計
• Authors: Wengong Jin, Regina Barzilay, Tommi Jaakkola
• Abstract要約: パラトピックドッキングと設計のための階層的等変リファインメントネットワーク(HERN)を提案する。 ドッキングの間、HERNは階層的なメッセージパッシングネットワークを使用して原子間力を予測する。 実験の結果,HERNはパラトピードッキングと設計ベンチマークにおいて,最先端のドッキング性能を著しく上回っていることがわかった。
• 参考スコア（独自算出の注目度）: 38.637412590671865
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computational antibody design seeks to automatically create an antibody that binds to an antigen. The binding affinity is governed by the 3D binding interface where antibody residues (paratope) closely interact with antigen residues (epitope). Thus, predicting 3D paratope-epitope complex (docking) is the key to finding the best paratope. In this paper, we propose a new model called Hierarchical Equivariant Refinement Network (HERN) for paratope docking and design. During docking, HERN employs a hierarchical message passing network to predict atomic forces and use them to refine a binding complex in an iterative, equivariant manner. During generation, its autoregressive decoder progressively docks generated paratopes and builds a geometric representation of the binding interface to guide the next residue choice. Our results show that HERN significantly outperforms prior state-of-the-art on paratope docking and design benchmarks.
• Abstract（参考訳）: 計算抗体の設計は、抗原に結合する抗体を自動生成することを目指している。 結合親和性は、抗体残基(パラトープ)が抗原残基(エピトープ)と密接に相互作用する3d結合界面によって制御される。 したがって、3Dパラトープ-エピトープ複合体(ドッキング)を予測することが、最高のパラトープを見つける鍵となる。 本稿では,パラトープドッキングと設計のための階層的同変改良ネットワーク(hern)と呼ばれる新しいモデルを提案する。 ドッキング中、hernは階層的なメッセージパッシングネットワークを使用して原子の力を予測し、それらを反復的かつ同変的な方法で結合複合体を洗練する。 生成中、自己回帰デコーダはパラトピーを生成し、結合インターフェースの幾何学的表現を構築し、次の残基の選択を導く。 実験の結果,HERNはパラトピードッキングと設計ベンチマークにおいて,最先端のドッキング性能を著しく上回っていることがわかった。

関連論文リスト

• A Hierarchical Training Paradigm for Antibody Structure-sequence Co-design [54.30457372514873]
  抗体配列構造共設計のための階層的訓練パラダイム(HTP)を提案する。 HTPは4段階の訓練段階から構成され、それぞれが特定のタンパク質のモダリティに対応する。 実証実験により、HTPは共同設計問題において新しい最先端性能を設定できることが示されている。
  論文  参考訳（メタデータ） (2023-10-30T02:39:15Z)
• Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection [54.041049052843604]
  STEMDは,多フレーム3Dオブジェクト検出のためのDETRのようなパラダイムを改良した,新しいエンドツーエンドフレームワークである。 まず、オブジェクト間の空間的相互作用と複雑な時間的依存をモデル化するために、空間的時間的グラフアテンションネットワークを導入する。 最後に、ネットワークが正のクエリと、ベストマッチしない他の非常に類似したクエリを区別することが課題となる。
  論文  参考訳（メタデータ） (2023-07-01T13:53:14Z)
• AbODE: Ab Initio Antibody Design using Conjoined ODEs [8.523238510909955]
  我々は、文脈情報と外部インタラクションの両方に対応するためにグラフPDEを拡張した新しい生成モデルAbODEを開発した。 我々は,AbODEと時間ネットワーク,およびグラフマッチングネットワークの基本的な関係を明らかにする。
  論文  参考訳（メタデータ） (2023-05-31T14:40:47Z)
• End-to-End Full-Atom Antibody Design [28.199522831859998]
  現在の学習ベースの手法には2つの大きな欠陥があり、それらが最適でないかリソース集約的である。 E(3) 抗体設計のためのエンド・ツー・エンドフル原子モデルである動的マルチチャネル等価型graAph Network (dyMEAN) を提案する。 1D配列と3D構造は、完全な原子を考える際に、可変サイズのタンパク質残基を処理できる適応型マルチチャネルエンコーダによって更新される。 CDR-H3設計、複雑な構造予測、親和性最適化の実験は、我々のエンドツーエンドフレームワークとフル原子モデリングの優位性を実証している。
  論文  参考訳（メタデータ） (2023-02-01T03:13:19Z)
• 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)
• Conditional Antibody Design as 3D Equivariant Graph Translation [28.199522831859998]
  我々は,CDRの1次元配列と3次元構造を共設計するためのマルチチャネル等価アテンションネットワーク(MEAN)を提案する。 本手法は, 配列および構造モデリング, 抗原結合型CDR設計, 結合親和性最適化における最先端モデルを大幅に超えている。
  論文  参考訳（メタデータ） (2022-08-12T01:00:59Z)
• Simple End-to-end Deep Learning Model for CDR-H3 Loop Structure Prediction [0.0]
  本稿では,CDR H3のループ構造を,最先端の手法と同等に予測するエンド・ツー・エンドモデルを提案する。 また、一般的に使われているRosetaAntibodyベンチマークによって、データリークにつながる問題も提起します。
  論文  参考訳（メタデータ） (2021-11-20T18:55:09Z)
• Unsupervised Geodesic-preserved Generative Adversarial Networks for Unconstrained 3D Pose Transfer [84.04540436494011]
  任意の任意の任意の3次元メッシュ間のポーズ転送を行うための教師なしアプローチを提案する。 具体的には、内因性(形状)と外因性(ポーズ)の情報保存について、新規な内因性-外因性保存生成ネットワーク(IEP-GAN)を提示する。 提案手法は,最近の最先端手法と比較して,より優れた結果が得られ,より効率的である。
  論文  参考訳（メタデータ） (2021-08-17T09:08:21Z)

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。