論文の概要: AbDiffuser: Full-Atom Generation of in vitro Functioning Antibodies
- arxiv url: http://arxiv.org/abs/2308.05027v2
- Date: Wed, 6 Mar 2024 17:15:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-07 18:15:03.747794
- Title: AbDiffuser: Full-Atom Generation of in vitro Functioning Antibodies
- Title(参考訳): AbDiffuser:in vitroで機能する抗体の全原子生成
- Authors: Karolis Martinkus, Jan Ludwiczak, Kyunghyun Cho, Wei-Ching Liang,
Julien Lafrance-Vanasse, Isidro Hotzel, Arvind Rajpal, Yan Wu, Richard
Bonneau, Vladimir Gligorijevic, Andreas Loukas
- Abstract要約: AbDiffuserは、抗体3D構造と配列の同変および物理インフォームド拡散モデルである。
我々のアプローチは、ドメイン知識と物理に基づく制約を生かして、タンパク質の拡散を改善する。
数値実験では、AbDiffuserが参照集合の配列と構造を綿密に追跡する抗体を生成する能力を示している。
- 参考スコア(独自算出の注目度): 44.149969082612486
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce AbDiffuser, an equivariant and physics-informed diffusion model
for the joint generation of antibody 3D structures and sequences. AbDiffuser is
built on top of a new representation of protein structure, relies on a novel
architecture for aligned proteins, and utilizes strong diffusion priors to
improve the denoising process. Our approach improves protein diffusion by
taking advantage of domain knowledge and physics-based constraints; handles
sequence-length changes; and reduces memory complexity by an order of
magnitude, enabling backbone and side chain generation. We validate AbDiffuser
in silico and in vitro. Numerical experiments showcase the ability of
AbDiffuser to generate antibodies that closely track the sequence and
structural properties of a reference set. Laboratory experiments confirm that
all 16 HER2 antibodies discovered were expressed at high levels and that 57.1%
of the selected designs were tight binders.
- Abstract(参考訳): 抗体3d構造と配列の同時生成のための同変・物理不定拡散モデルabdiffuserを提案する。
abdiffuserは、タンパク質構造の新しい表現の上に構築され、アライメントされたタンパク質の新しいアーキテクチャに依存し、強い拡散優先を利用して、変性プロセスを改善する。
提案手法は、ドメイン知識と物理に基づく制約を利用してタンパク質の拡散を改善し、配列長の変化を処理し、メモリの複雑さを桁違いに減らし、バックボーンとサイドチェーンの生成を可能にする。
シリカおよびin vitroでAbDiffuserを検証する。
数値実験では、abdiffuserが参照集合の配列と構造特性を密接に追跡する抗体を生成する能力を示す。
実験では16種のHER2抗体が高レベルに発現され、57.1%がタイトバインダーであることが確認された。
関連論文リスト
- Diffusion Language Models Are Versatile Protein Learners [80.51049288791717]
拡散タンパク言語モデル (DPLM) は、タンパク質配列の強力な生成および予測能力を示す多用途タンパク言語モデルである。
まず, 自己制御型離散拡散確率フレームワークを用いて, 進化的タンパク質配列からのスケーラブルDPLMの事前学習を行った。
プレトレーニング後、DPLMは非条件生成のための構造的に可塑性で新規で多様なタンパク質配列を生成する能力を示す。
論文 参考訳(メタデータ) (2024-02-28T18:57:56Z) - TaxDiff: Taxonomic-Guided Diffusion Model for Protein Sequence
Generation [5.390634039309384]
TaxDiffは、制御可能なタンパク質配列生成のための分類学的誘導拡散モデルである。
生物種の情報と拡散モデルの生成能力を組み合わせて、構造的に安定なタンパク質を生成する。
実験により、TaxDiffは複数のタンパク質配列生成ベンチマークで一貫してより良いパフォーマンスを達成できることが示された。
論文 参考訳(メタデータ) (2024-02-27T02:41:46Z) - 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) - Protein Design with Guided Discrete Diffusion [67.06148688398677]
タンパク質設計における一般的なアプローチは、生成モデルと条件付きサンプリングのための識別モデルを組み合わせることである。
離散拡散モデルのためのガイダンス手法であるdiffusioN Optimized Smpling (NOS)を提案する。
NOSは、構造に基づく手法の重要な制限を回避し、シーケンス空間で直接設計を行うことができる。
論文 参考訳(メタデータ) (2023-05-31T16:31:24Z) - 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) - Pre-Training Protein Encoder via Siamese Sequence-Structure Diffusion
Trajectory Prediction [29.375830561817047]
タンパク質の自己教師付き事前学習法が近年注目され、ほとんどのアプローチはタンパク質配列または構造に焦点をあてている。
配列構造共分散モデルを用いて,タンパク質エンコーダを事前学習するためのDiffPreT手法を提案する。
我々は,シムズ拡散軌道予測(SiamDiff)と呼ばれる手法によりDiffPreTを強化し,タンパク質の異なるコンホメータ間の相関を捉える。
論文 参考訳(メタデータ) (2023-01-28T02:48:20Z) - 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) - State-specific protein-ligand complex structure prediction with a
multi-scale deep generative model [68.28309982199902]
タンパク質-リガンド複合体構造を直接予測できる計算手法であるNeuralPLexerを提案する。
我々の研究は、データ駆動型アプローチがタンパク質と小分子の構造的協調性を捉え、酵素や薬物分子などの設計を加速させる可能性を示唆している。
論文 参考訳(メタデータ) (2022-09-30T01:46:38Z) - 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。