論文の概要: Vaxformer: Antigenicity-controlled Transformer for Vaccine Design
Against SARS-CoV-2
- arxiv url: http://arxiv.org/abs/2305.11194v1
- Date: Thu, 18 May 2023 13:36:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-22 17:57:58.284401
- Title: Vaxformer: Antigenicity-controlled Transformer for Vaccine Design
Against SARS-CoV-2
- Title(参考訳): vaxformer:sars-cov-2ワクチン設計のための抗原性制御トランスフォーマー
- Authors: Aryo Pradipta Gema, Micha{\l} Kobiela, Achille Fraisse, Ajitha Rajan,
Diego A. Oyarz\'un, Javier Antonio Alfaro
- Abstract要約: 本研究では,Vaxformerと呼ばれる新しい条件付きタンパク質言語モデルアーキテクチャを提案する。
Vaxformerは天然の抗原性制御型SARS-CoV-2スパイクタンパク質を産生するように設計されている。
- 参考スコア(独自算出の注目度): 0.6850683267295248
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The SARS-CoV-2 pandemic has emphasised the importance of developing a
universal vaccine that can protect against current and future variants of the
virus. The present study proposes a novel conditional protein Language Model
architecture, called Vaxformer, which is designed to produce natural-looking
antigenicity-controlled SARS-CoV-2 spike proteins. We evaluate the generated
protein sequences of the Vaxformer model using DDGun protein stability measure,
netMHCpan antigenicity score, and a structure fidelity score with AlphaFold to
gauge its viability for vaccine development. Our results show that Vaxformer
outperforms the existing state-of-the-art Conditional Variational Autoencoder
model to generate antigenicity-controlled SARS-CoV-2 spike proteins. These
findings suggest promising opportunities for conditional Transformer models to
expand our understanding of vaccine design and their role in mitigating global
health challenges. The code used in this study is available at
https://github.com/aryopg/vaxformer .
- Abstract(参考訳): SARS-CoV-2パンデミックは、ウイルスの現在および将来の変種から保護できる普遍的なワクチンを開発することの重要性を強調している。
本研究では, 天然の抗原性制御型SARS-CoV-2スパイクタンパク質の生産を目的とした, Vaxformer と呼ばれる新しい条件付きタンパク質言語モデルアーキテクチャを提案する。
ddgun protein stability measure, netmhcpan antigenicity score, and a structure fidelity score with alphafoldを用いてvaxformerモデルの生成したタンパク質配列を評価し,ワクチン開発における生存率を測定した。
以上の結果から,Vaxformerは既存の条件変化オートエンコーダモデルより優れており,抗原性制御型SARS-CoV-2スパイクタンパク質を生成することが示唆された。
これらの結果から,トランスフォーマーモデルがワクチン設計の理解を深め,世界保健の課題を緩和する役割を担っている可能性が示唆された。
この研究で使用されたコードはhttps://github.com/aryopg/vaxformer.orgで公開されている。
関連論文リスト
- Immunogenicity Prediction with Dual Attention Enables Vaccine Target Selection [6.949493332885247]
ProVaccineは、タンパク質配列と構造を潜在ベクトル表現に統合する、新しいディープラーニングソリューションである。
現在までに最も包括的な免疫原性データセットをコンパイルし、細菌、ウイルス、腫瘍から9,500以上の抗原配列、構造、および免疫原性ラベルを含む。
私たちの研究はワクチン設計に有効なツールを提供し、将来の研究に有用なベンチマークを設定します。
論文 参考訳(メタデータ) (2024-10-03T16:33:35Z) - 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) - Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance
of Containment Measures [65.62256987706128]
比較疫学モデルは、疾患の状態に基づいて個人を分類する。
我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。
スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
論文 参考訳(メタデータ) (2023-07-28T08:01:05Z) - Dense Feature Memory Augmented Transformers for COVID-19 Vaccination
Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。
本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。
この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文 参考訳(メタデータ) (2022-12-16T13:57:41Z) - 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) - Constrained Submodular Optimization for Vaccine Design [1.7622426179653559]
遺伝的変異により、接種された集団に広範な免疫を与えるペプチドワクチンを設計することが困難になる。
本稿では,確率論的機械学習モデルを用いたペプチドワクチンの評価と設計のためのフレームワークを提案する。
従来より優れたSARS-CoV-2ワクチンの設計を行う能力を示した。
論文 参考訳(メタデータ) (2022-06-16T17:40:54Z) - Using Deep Learning Sequence Models to Identify SARS-CoV-2 Divergence [1.9573380763700707]
SARS-CoV-2は上層呼吸器系RNAウイルスで、2021年5月時点で300万人以上が死亡し、全世界で1億5000万人以上が感染している。
本稿では、繰り返しおよび畳み込み単位を利用してスパイクタンパク質のアミノ酸配列を取り込み、対応するクレードを分類するニューラルネットワークモデルを提案する。
論文 参考訳(メタデータ) (2021-11-12T07:52:11Z) - PhyloTransformer: A Discriminative Model for Mutation Prediction Based
on a Multi-head Self-attention Mechanism [10.468453827172477]
重症急性呼吸器症候群ウイルス2(SARS-CoV-2)は10/19/21で219万人が感染し、死亡率は3.6%となっている。
そこで我々は,トランスフォーマーを用いた識別モデルであるPhylo Transformerを開発した。
論文 参考訳(メタデータ) (2021-11-03T01:30:57Z) - A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
アミノ酸の順序を保つことで,分類器の精度が向上することを示す。
また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
論文 参考訳(メタデータ) (2021-08-07T15:08:15Z) - Designing a Prospective COVID-19 Therapeutic with Reinforcement Learning [50.57291257437373]
SARS-CoV-2パンデミックは、治療のための世界的なレースを生み出した。
1つのアプローチは、ヒトアンジオテンシン変換酵素2(ACE2)の新規な変異体の設計に焦点を当てる
我々は、強化学習問題として、新しいタンパク質設計の枠組みを定式化する。
論文 参考訳(メタデータ) (2020-12-03T07:35:38Z) - PaccMann$^{RL}$ on SARS-CoV-2: Designing antiviral candidates with
conditional generative models [2.0750380105212116]
新型コロナウイルス(COVID-19)の世界的なパンデミックへの急速な発展に伴い、世界中の科学者が、効果的な抗ウイルス治療薬を必死に探している。
タンパク質標的に適合した抗ウイルス候補薬の条件付きデノボ設計のための深層学習フレームワークを提案する。
論文 参考訳(メタデータ) (2020-05-27T11:30:15Z)
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。