論文の概要: Evaluating Zero-Shot Scoring for In Vitro Antibody Binding Prediction with Experimental Validation

• arxiv url: http://arxiv.org/abs/2312.05273v1
• Date: Thu, 7 Dec 2023 23:34:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-12 21:57:36.409686
• Title: Evaluating Zero-Shot Scoring for In Vitro Antibody Binding Prediction with Experimental Validation
• Title（参考訳）: 実験的検証による生体内抗体結合予測のためのゼロショットスコーディングの評価
• Authors: Divya Nori and Simon V. Mathis and Amir Shanehsazzadeh
• Abstract要約: オープンソースモデルに基づく8つの共通スコアリングパラダイムを比較して,抗体設計をバインダーやノンバインダーとして分類する。 その結果,既存手法はバインダーの検出に苦慮しており,抗原間では高い変動が認められた。
• 参考スコア（独自算出の注目度）: 0.08968838300743379
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The success of therapeutic antibodies relies on their ability to selectively bind antigens. AI-based antibody design protocols have shown promise in generating epitope-specific designs. Many of these protocols use an inverse folding step to generate diverse sequences given a backbone structure. Due to prohibitive screening costs, it is key to identify candidate sequences likely to bind in vitro. Here, we compare the efficacy of 8 common scoring paradigms based on open-source models to classify antibody designs as binders or non-binders. We evaluate these approaches on a novel surface plasmon resonance (SPR) dataset, spanning 5 antigens. Our results show that existing methods struggle to detect binders, and performance is highly variable across antigens. We find that metrics computed on flexibly docked antibody-antigen complexes are more robust, and ensembles scores are more consistent than individual metrics. We provide experimental insight to analyze current scoring techniques, highlighting that the development of robust, zero-shot filters is an important research gap.
• Abstract（参考訳）: 治療抗体の成功は、抗原を選択的に結合する能力に依存する。 AIベースの抗体設計プロトコルは、エピトープ特有の設計を生成することを約束している。 これらのプロトコルの多くは、バックボーン構造を与えられた多様なシーケンスを生成するために逆折り畳みステップを使用する。 阻害的なスクリーニングコストのため、in vitroで結合する候補配列を特定することが重要である。 本稿では,オープンソースモデルに基づく8つの共通スコアリングパラダイムの有効性を比較し,抗体設計をバインダーや非バインダーとして分類する。 5種類の抗原にまたがる新しい表面プラズモン共鳴(SPR)データセットを用いてこれらのアプローチを評価する。 以上の結果から,既存手法はバインダーの検出に苦慮しており,抗原間では高い変動がみられた。 柔軟にドッキングする抗体-抗原複合体上で計算された指標はより堅牢であり、アンサンブルスコアは個々の指標よりも一貫性がある。 本研究では,従来のスコアリング手法を実験的に分析し,ロバストなゼロショットフィルタの開発が重要な研究ギャップであることを示す。

関連論文リスト

• Active learning for affinity prediction of antibodies [45.58662352490961]
  抗体のような大きな分子では、抗体親和性を高める突然変異を同定することは困難である。 FERB法は、異なる変異が薬物候補の有効性と選択性に与える影響について、貴重な洞察を与えることができる。 本稿では,評価を行うシミュレータのシーケンスを反復的に提案し,改良されたバインダーの探索を高速化する能動的学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-11T13:42:49Z)
• A unified cross-attention model for predicting antigen binding specificity to both HLA and TCR molecules [4.501817929699959]
  抗原とHLA-I/TCR分子との結合親和性は抗原提示とT細胞活性化に重要な役割を果たしている。 いくつかの計算手法は、抗原-HLAまたは抗原-TCR結合特異性を予測するために開発されたが、それらは一度に1つのタスクだけに焦点を当てている。 我々は,HLA分子とTCR分子の両方への抗原の結合を同時に予測するために,一貫したクロスアテンショントランスフォーマーモデルUnifyImmunを提案する。
  論文  参考訳（メタデータ） (2024-04-08T08:25:25Z)
• Confidence-driven Sampling for Backdoor Attacks [49.72680157684523]
  バックドア攻撃は、悪質なトリガをDNNモデルに過剰に挿入することを目的としており、テストシナリオ中に不正な制御を許可している。 既存の方法では防衛戦略に対する堅牢性が欠如しており、主に無作為な試薬を無作為に選別しながら、引き金の盗難を強化することに重点を置いている。 信頼性スコアの低いサンプルを選別し、これらの攻撃を識別・対処する上で、守備側の課題を著しく増大させる。
  論文  参考訳（メタデータ） (2023-10-08T18:57:36Z)
• 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)
• Antibody Representation Learning for Drug Discovery [7.291511531280898]
  新規なSARS-CoV-2抗体結合データセットと追加ベンチマークデータセットについて報告する。 従来の統計的シーケンスモデル,各データセットの教師付き学習,および抗体特異的事前訓練言語モデルの微調整の3つのクラスを比較した。 実験結果から,特徴表現の自己教師付き事前学習は,従来の手法よりも大幅に改善されていることが示唆された。
  論文  参考訳（メタデータ） (2022-10-05T13:48:41Z)
• RetCL: A Selection-based Approach for Retrosynthesis via Contrastive Learning [107.64562550844146]
  レトロシンセシスは深層学習の新たな研究分野である。 本稿では, 市販分子の候補群から, 反応物質の選択問題へとレトロシンセシスを再構成する新しいアプローチを提案する。 スコア機能を学ぶために、ハードネガティブマイニングを備えた新しいコントラストトレーニングスキームも提案します。
  論文  参考訳（メタデータ） (2021-05-03T12:47:57Z)

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。