論文の概要: AbODE: Ab Initio Antibody Design using Conjoined ODEs

• arxiv url: http://arxiv.org/abs/2306.01005v1
• Date: Wed, 31 May 2023 14:40:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-05 18:39:59.468713
• Title: AbODE: Ab Initio Antibody Design using Conjoined ODEs
• Title（参考訳）: AbODE: Conjoined ODEs を用いた Ab Initio 抗体設計
• Authors: Yogesh Verma, Markus Heinonen and Vikas Garg
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 8.523238510909955
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Antibodies are Y-shaped proteins that neutralize pathogens and constitute the core of our adaptive immune system. De novo generation of new antibodies that target specific antigens holds the key to accelerating vaccine discovery. However, this co-design of the amino acid sequence and the 3D structure subsumes and accentuates some central challenges from multiple tasks, including protein folding (sequence to structure), inverse folding (structure to sequence), and docking (binding). We strive to surmount these challenges with a new generative model AbODE that extends graph PDEs to accommodate both contextual information and external interactions. Unlike existing approaches, AbODE uses a single round of full-shot decoding and elicits continuous differential attention that encapsulates and evolves with latent interactions within the antibody as well as those involving the antigen. We unravel fundamental connections between AbODE and temporal networks as well as graph-matching networks. The proposed model significantly outperforms existing methods on standard metrics across benchmarks.
• Abstract（参考訳）: 抗体はy型タンパク質であり、病原体を中和し、我々の適応免疫システムの核となる。 特定の抗原を標的とする新しい抗体の生成は、ワクチンの発見を加速する鍵を握る。 しかし、このアミノ酸配列と3d構造の共設計は、タンパク質の折り畳み(構造への配列)、逆折り畳み(配列への構造)、ドッキング(結合)など、複数のタスクからの中心的な課題を生み出し、強調する。 我々は,コンテキスト情報と外部インタラクションの両方に対応するグラフpdesを拡張する新しい生成モデル abode を用いて,これらの課題を克服することに努める。 既存のアプローチとは異なり、abodeは1ラウンドのフルショットのデコードを使用し、抗体内の潜在的な相互作用と抗原を含む相互作用をカプセル化し、進化させる連続的な微分的注意を喚起する。 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。 提案モデルは,ベンチマークの標準メトリクスに対する既存の手法を著しく上回っている。

関連論文リスト

• De novo antibody design with SE(3) diffusion [0.3666125285899499]
  一般的なタンパク質のバックボーン拡散フレームワークに基づく抗体可変ドメイン拡散モデルであるIgDiffを紹介する。 We found that IgDiff produce highly designable antibody that can contain novel binding region。 我々は,そのモデルと,さまざまな抗体設計タスクにおける最先端のバックボーン拡散モデルとの比較を行った。
  論文  参考訳（メタデータ） (2024-05-13T10:27:17Z)
• Antigen-Specific Antibody Design via Direct Energy-based Preference Optimization [51.28231365213679]
  我々は,抗原特異的抗体配列構造共設計を,特定の嗜好に対する最適化問題として取り組んだ。 そこで本研究では,有理構造と抗原への結合親和性の両方を有する抗体の生成を誘導する,直接エネルギーに基づく選好最適化を提案する。
  論文  参考訳（メタデータ） (2024-03-25T09:41:49Z)
• 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)
• 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。