論文の概要: End-to-End Full-Atom Antibody Design
- arxiv url: http://arxiv.org/abs/2302.00203v4
- Date: Tue, 30 May 2023 02:45:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-31 11:54:16.295050
- Title: End-to-End Full-Atom Antibody Design
- Title（参考訳）: エンド・ツー・エンドフル原子抗体設計
- Authors: Xiangzhe Kong, Wenbing Huang, Yang Liu
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 28.199522831859998
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Antibody design is an essential yet challenging task in various domains like
therapeutics and biology. There are two major defects in current learning-based
methods: 1) tackling only a certain subtask of the whole antibody design
pipeline, making them suboptimal or resource-intensive. 2) omitting either the
framework regions or side chains, thus incapable of capturing the full-atom
geometry. To address these pitfalls, we propose dynamic Multi-channel
Equivariant grAph Network (dyMEAN), an end-to-end full-atom model for
E(3)-equivariant antibody design given the epitope and the incomplete sequence
of the antibody. Specifically, we first explore structural initialization as a
knowledgeable guess of the antibody structure and then propose shadow paratope
to bridge the epitope-antibody connections. Both 1D sequences and 3D structures
are updated via an adaptive multi-channel equivariant encoder that is able to
process protein residues of variable sizes when considering full atoms.
Finally, the updated antibody is docked to the epitope via the alignment of the
shadow paratope. Experiments on epitope-binding CDR-H3 design, complex
structure prediction, and affinity optimization demonstrate the superiority of
our end-to-end framework and full-atom modeling.
- Abstract（参考訳）: 抗体の設計は治療や生物学といった様々な分野において必須だが困難な課題である。
現在の学習手法には2つの大きな欠陥がある。
1) 抗体設計パイプライン全体の特定のサブタスクのみに取り組むことで, 最適あるいは資源集約化を実現した。
2) フレームワーク領域またはサイドチェーンのどちらかを省略することで、フル原子の形状を捉えることができない。
これらの落とし穴に対処するために, エピトープと不完全配列を付与したE(3)-equivariant 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。
具体的には、まず、抗体構造の知識に富んだ推測として構造初期化を探求し、エピトープ-抗体結合をブリッジするシャドーパラトープを提案する。
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多チャンネル同変エンコーダによって更新される。
最後に、更新された抗体は、シャドウパラトープのアライメントを介してエピトープにドッキングされる。
エピトープ結合型cdr-h3設計、複雑な構造予測、親和性最適化の実験は、エンドツーエンドフレームワークとフルアトムモデリングの優位性を示しています。
関連論文リスト
- Sequence-Augmented SE(3)-Flow Matching For Conditional Protein Backbone Generation [55.93511121486321]
タンパク質構造生成のための新しいシーケンス条件付きフローマッチングモデルFoldFlow-2を紹介する。
我々は、以前の作業のPDBデータセットよりも桁違いに大きい新しいデータセットでFoldFlow-2を大規模にトレーニングします。
我々はFoldFlow-2が従来のタンパク質構造に基づく生成モデルよりも優れていることを実証的に観察した。
論文 参考訳（メタデータ） (2024-05-30T17:53:50Z) - 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) - Cross-Gate MLP with Protein Complex Invariant Embedding is A One-Shot
Antibody Designer [58.97153056120193]
抗体の特異性は、その相補性決定領域(CDR)によって決定される
従来の研究では、複雑な技術を使ってCDRを生成するが、不適切な幾何学的モデリングに悩まされている。
本稿では,CDRの1次元配列と3次元構造を1ショットで共設計できるテクスタイスシンプルで効果的なモデルを提案する。
論文 参考訳（メタデータ） (2023-04-21T13:24:26Z) - 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) - Reprogramming Pretrained Language Models for Antibody Sequence Infilling [72.13295049594585]
抗体の計算設計には、構造的一貫性を維持しながら、新規で多様な配列を生成することが含まれる。
近年のディープラーニングモデルでは優れた結果が得られたが、既知の抗体配列/構造対の数が限られているため、性能が劣化することが多い。
これは、ソース言語でトレーニング済みのモデルを再利用して、異なる言語で、データが少ないタスクに適応するものです。
論文 参考訳（メタデータ） (2022-10-05T20:44:55Z) - 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) - Iterative Refinement Graph Neural Network for Antibody
Sequence-Structure Co-design [35.215029426177004]
そこで本研究では,結合特異性や中和機能を増強した抗体を自動設計する生成モデルを提案する。
本手法は,SARS-CoV-2ウイルスを中和可能な抗体の設計において,テストセット上で優れたログライクレーションを実現し,過去のベースラインよりも優れていた。
論文 参考訳（メタデータ） (2021-10-09T18:23:32Z)
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。