論文の概要: A unified cross-attention model for predicting antigen binding specificity to both HLA and TCR molecules
- arxiv url: http://arxiv.org/abs/2405.06653v1
- Date: Mon, 8 Apr 2024 08:25:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 08:49:26.602257
- Title: A unified cross-attention model for predicting antigen binding specificity to both HLA and TCR molecules
- Title（参考訳）: HLA分子とTCR分子の抗原結合特異性予測のための統合的クロスアテンションモデル
- Authors: Chenpeng Yu, Xing Fang, Hui Liu,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.501817929699959
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The immune checkpoint inhibitors have demonstrated promising clinical efficacy across various tumor types, yet the percentage of patients who benefit from them remains low. The binding affinity between antigens and HLA-I/TCR molecules plays a critical role in antigen presentation and T-cell activation. Some computational methods have been developed to predict antigen-HLA or antigen-TCR binding specificity, but they focus solely on one task at a time. In this paper, we propose UnifyImmun, a unified cross-attention transformer model designed to simultaneously predicts the binding of antigens to both HLA and TCR molecules, thereby providing more comprehensive evaluation of antigen immunogenicity. We devise a two-phase progressive training strategy that enables these two tasks to mutually reinforce each other, by compelling the encoders to extract more expressive features. To further enhance the model generalizability, we incorporate virtual adversarial training. Compared to over ten existing methods for predicting antigen-HLA and antigen-TCR binding, our method demonstrates better performance in both tasks. Notably, on a large-scale COVID-19 antigen-TCR binding test set, our method improves performance by at least 9% compared to the current state-of-the-art methods. The validation experiments on three clinical cohorts confirm that our approach effectively predicts immunotherapy response and clinical outcomes. Furthermore, the cross-attention scores reveal the amino acids sites critical for antigen binding to receptors. In essence, our approach marks a significant step towards comprehensive evaluation of antigen immunogenicity.
- Abstract（参考訳）: 免疫チェックポイント阻害薬は様々な種類の腫瘍に対して有望な臨床効果を示したが、それらの恩恵を受ける患者の割合は依然として低い。
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。
本稿では,HLA分子とTCR分子の両方への抗原の結合を同時に予測し,抗原の免疫原性をより包括的に評価する統合型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。
より表現力のある特徴を抽出するようエンコーダに促すことにより、これらの2つのタスクを相互に強化できる2段階のプログレッシブトレーニング戦略を考案する。
モデルの一般化性をさらに高めるため,仮想対角トレーニングを取り入れた。
既存の10以上の抗原-HLAおよび抗原-TCR結合予測法と比較して,本手法は両課題において優れた性能を示す。
特に,大規模なCOVID-19抗原-TCR結合試験セットでは,現在の最先端手法と比較して,少なくとも9%性能が向上している。
3つの臨床コホートに対する検証実験により,免疫療法の効果と臨床成績を効果的に予測できることが確認された。
さらに、クロスアテンションスコアは、受容体への抗原結合に重要なアミノ酸部位を明らかにする。
本手法は, 抗原免疫原性に関する総合的な評価に向けた重要な一歩である。
関連論文リスト
- A large language model for predicting T cell receptor-antigen binding specificity [4.120928123714289]
本稿では,モデル一般化の限界を克服するMasked Language Model (MLM)を提案する。
具体的には、ランダムにシーケンスセグメントをマスキングし、tcrLMをトレーニングしてマスクセグメントを推論し、TCRシーケンスから表現的特徴を抽出する。
実験の結果,tcrLM は独立テストセットと外部検証セットで 0.937 と 0.933 の AUC 値を達成できた。
論文 参考訳（メタデータ） (2024-06-24T08:36:40Z) - 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) - Evaluating Zero-Shot Scoring for In Vitro Antibody Binding Prediction
with Experimental Validation [0.08968838300743379]
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。
論文 参考訳（メタデータ） (2023-12-07T23:34:03Z) - 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) - 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) - Deciphering antibody affinity maturation with language models and weakly
supervised learning [10.506336354512145]
我々は558万の天然抗体配列に基づいて訓練された言語モデルであるAntiBERTyを紹介する。
その結果,レパートリーでは,アフィニティ成熟に類似した抗体を軌跡にまとめることができた。
マルチインスタンス学習フレームワークを用いて、冗長なシーケンスを予測するために訓練されたモデルが、プロセスのキーバインディング残基を識別することを示す。
論文 参考訳（メタデータ） (2021-12-14T23:05:01Z) - Improved Drug-target Interaction Prediction with Intermolecular Graph
Transformer [98.8319016075089]
本稿では,3方向トランスフォーマーアーキテクチャを用いて分子間情報をモデル化する手法を提案する。
分子間グラフ変換器(IGT)は、それぞれ、結合活性と結合ポーズ予測の2番目のベストに対して、最先端のアプローチを9.1%と20.5%で上回っている。
IGTはSARS-CoV-2に対して有望な薬物スクリーニング能力を示す。
論文 参考訳（メタデータ） (2021-10-14T13:28:02Z) - Neural message passing for joint paratope-epitope prediction [0.0]
抗体は、抗原に結合して抗原を検出し中和する免疫系のタンパク質である。
抗体-抗原相互作用における結合部位の予測は、それぞれパラトープおよびパラトープとして知られ、ワクチンおよび合成抗体発生の鍵となる。
論文 参考訳（メタデータ） (2021-05-31T16:37:55Z) - 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) - Accelerating Antimicrobial Discovery with Controllable Deep Generative
Models and Molecular Dynamics [109.70543391923344]
CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。
深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。
提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
論文 参考訳（メタデータ） (2020-05-22T15:57:58Z)
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。