論文の概要: Efficient Antibody Structure Refinement Using Energy-Guided SE(3) Flow Matching

• arxiv url: http://arxiv.org/abs/2410.16673v1
• Date: Tue, 22 Oct 2024 04:13:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-23 14:28:09.143635
• Title: Efficient Antibody Structure Refinement Using Energy-Guided SE(3) Flow Matching
• Title（参考訳）: エネルギー誘導SE(3)フローマッチングを用いた効率的な抗体構造再構成
• Authors: Jiying Zhang, Zijing Liu, Shengyuan Bai, He Cao, Yu Li, Lei Zhang,
• Abstract要約: FlowABはエネルギー誘導型フローマッチングに基づく新規な抗体構造精製法である。 適切な先行モデルと組み合わせて使用する場合、抗体構造予測タスクにおいて、新しい最先端性能を実現する。
• 参考スコア（独自算出の注目度）: 16.192361788505558
• License:
• Abstract: Antibodies are proteins produced by the immune system that recognize and bind to specific antigens, and their 3D structures are crucial for understanding their binding mechanism and designing therapeutic interventions. The specificity of antibody-antigen binding predominantly depends on the complementarity-determining regions (CDR) within antibodies. Despite recent advancements in antibody structure prediction, the quality of predicted CDRs remains suboptimal. In this paper, we develop a novel antibody structure refinement method termed FlowAB based on energy-guided flow matching. FlowAB adopts the powerful deep generative method SE(3) flow matching and simultaneously incorporates important physical prior knowledge into the flow model to guide the generation process. The extensive experiments demonstrate that FlowAB can significantly improve the antibody CDR structures. It achieves new state-of-the-art performance on the antibody structure prediction task when used in conjunction with an appropriate prior model while incurring only marginal computational overhead. This advantage makes FlowAB a practical tool in antibody engineering.
• Abstract（参考訳）: 抗体は、特定の抗原を認識して結合する免疫系によって生産されるタンパク質であり、それらの3D構造は、それらの結合機構を理解し、治療の介入を設計するために重要である。 抗体-抗原結合の特異性は主に抗体内の相補性決定領域(CDR)に依存する。 近年の抗体構造予測の進歩にもかかわらず、予測されたCDRの品質は依然として最適以下である。 本稿では,エネルギー誘導型フローマッチングに基づく新規な抗体構造改質法であるFlowABを開発した。 FlowABは強力な深層生成法SE(3)フローマッチングを採用し、同時に重要な物理的事前知識をフローモデルに組み込んで生成プロセスを導く。 広範な実験により、FlowABは抗体CDR構造を大幅に改善できることが示された。 限界計算オーバーヘッドのみを発生させながら、適切な事前モデルと組み合わせて使用する場合、抗体構造予測タスクにおいて、新しい最先端性能を実現する。 この利点により、FlowABは抗体工学の実践的なツールとなる。

関連論文リスト

• AntibodyFlow: Normalizing Flow Model for Designing Antibody Complementarity-Determining Regions [9.427196604657215]
  セラピー抗体(Therapeutic antibody)は、抗原にロック・ツー・キーで結合する特殊な保護タンパク質である。 抗体と特定の抗原との結合強度/親和性は、抗体上の相補性決定領域(CDR)によって決定される。 既存の機械学習手法は、CDRのシークエンスまたは3Dグラフの生成タスクとして、シリコ開発に使用されている。
  論文  参考訳（メタデータ） (2024-06-19T02:31:23Z)
• 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)
• 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)
• Simple End-to-end Deep Learning Model for CDR-H3 Loop Structure Prediction [0.0]
  本稿では,CDR H3のループ構造を,最先端の手法と同等に予測するエンド・ツー・エンドモデルを提案する。 また、一般的に使われているRosetaAntibodyベンチマークによって、データリークにつながる問題も提起します。
  論文  参考訳（メタデータ） (2021-11-20T18:55:09Z)
• 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。