論文の概要: Antigen-Specific Antibody Design via Direct Energy-based Preference Optimization
- arxiv url: http://arxiv.org/abs/2403.16576v1
- Date: Mon, 25 Mar 2024 09:41:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-26 15:18:23.202726
- Title: Antigen-Specific Antibody Design via Direct Energy-based Preference Optimization
- Title(参考訳): 直接エネルギーを用いた選好最適化による抗原特異的抗体設計
- Authors: Xiangxin Zhou, Dongyu Xue, Ruizhe Chen, Zaixiang Zheng, Liang Wang, Quanquan Gu,
- Abstract要約: 本稿では, 抗原特異的抗体設計をタンパク質配列構造共設計問題として, 合理的性と機能性の両面から検討する。
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。
- 参考スコア(独自算出の注目度): 51.28231365213679
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Antibody design, a crucial task with significant implications across various disciplines such as therapeutics and biology, presents considerable challenges due to its intricate nature. In this paper, we tackle antigen-specific antibody design as a protein sequence-structure co-design problem, considering both rationality and functionality. Leveraging a pre-trained conditional diffusion model that jointly models sequences and structures of complementarity-determining regions (CDR) in antibodies with equivariant neural networks, we propose direct energy-based preference optimization to guide the generation of antibodies with both rational structures and considerable binding affinities to given antigens. Our method involves fine-tuning the pre-trained diffusion model using a residue-level decomposed energy preference. Additionally, we employ gradient surgery to address conflicts between various types of energy, such as attraction and repulsion. Experiments on RAbD benchmark show that our approach effectively optimizes the energy of generated antibodies and achieves state-of-the-art performance in designing high-quality antibodies with low total energy and high binding affinity, demonstrating the superiority of our approach.
- Abstract(参考訳): 抗体設計は、治療や生物学など様々な分野において重要な意味を持つ重要な課題であり、その複雑な性質のためにかなりの課題を提起している。
本稿では, 抗原特異的抗体設計をタンパク質配列構造共設計問題として, 合理的性と機能性の両面から検討する。
そこで,同変ニューラルネットワークを用いた抗体における相補性決定領域(CDR)の配列と構造を協調的にモデル化した事前学習条件拡散モデルを用いて,各抗原に有理構造とかなりの結合親和性を持つ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。
本手法は,残差レベル分解エネルギー選好を用いた事前学習拡散モデルの微調整を含む。
また,アトラクションや反発など,様々な種類のエネルギーの対立に対処するために,勾配手術を応用した。
RAbDベンチマーク実験により,本手法は生成した抗体のエネルギーを効果的に最適化し,低エネルギー高結合親和性で高品質な抗体を設計する上での最先端性能を実現し,本手法の優位性を実証した。
関連論文リスト
- 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) - AntiBARTy Diffusion for Property Guided Antibody Design [0.0]
我々は、BART(Bidirectional and Auto-Regressive Transformer)に基づく抗体特異的言語モデルAntiBARTyを訓練し、その潜在空間を用いて、誘導IgG de novo設計のための特性条件拡散モデルを訓練する。
試験例では, 抗体の妥当性を維持し, 配列の多様性を制御しながら, シリカ溶解度を向上した新規抗体を効果的に生成できることが示唆された。
論文 参考訳(メタデータ) (2023-09-22T18:30:50Z) - 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) - 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) - AntBO: Towards Real-World Automated Antibody Design with Combinatorial
Bayesian Optimisation [53.43922443725598]
本稿では,CDRH3領域のシリコ設計を効率的に行うための組合せ最適化アルゴリズムAntBOを提案する。
AntBOをベンチマークするために、私たちはAbsolut!ソフトウェアスイートをブラックボックスのオラクルとして使用しています。
200以上のタンパク質の設計において、AntBOは690万の実験的に得られたCDRH3から引き出された最も優れた結合配列より優れた抗体配列を提案することができる。
論文 参考訳(メタデータ) (2022-01-29T12:03:04Z) - 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。