論文の概要: Towards More Accurate Full-Atom Antibody Co-Design

• arxiv url: http://arxiv.org/abs/2502.19391v1
• Date: Tue, 11 Feb 2025 13:33:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 03:22:46.511651
• Title: Towards More Accurate Full-Atom Antibody Co-Design
• Title（参考訳）: より正確なフル原子抗体共設計を目指して
• Authors: Jiayang Wu, Xingyi Zhang, Xiangyu Dong, Kun Xie, Ziqi Liu, Wensheng Gan, Sibo Wang, Le Song,
• Abstract要約: 共設計は薬物開発における重要なフロンティアであり、相補性決定領域の構造の正確な予測は、特定の同変を標的にするために不可欠である。 抗体設計のためのグラフニューラルネットワークの最近の進歩にもかかわらず、現在のアプローチは、抗体抗原認識と結合特異性を管理する複雑な相互作用を捉えるのに不足することが多い。 Igformerは、抗体-抗原結合インターフェースによってこれらの制限に対処する新しいエンドツーエンドフレームワークである。
• 参考スコア（独自算出の注目度）: 44.06939390661133
• License:
• Abstract: Antibody co-design represents a critical frontier in drug development, where accurate prediction of both 1D sequence and 3D structure of complementarity-determining regions (CDRs) is essential for targeting specific epitopes. Despite recent advances in equivariant graph neural networks for antibody design, current approaches often fall short in capturing the intricate interactions that govern antibody-antigen recognition and binding specificity. In this work, we present Igformer, a novel end-to-end framework that addresses these limitations through innovative modeling of antibody-antigen binding interfaces. Our approach refines the inter-graph representation by integrating personalized propagation with global attention mechanisms, enabling comprehensive capture of the intricate interplay between local chemical interactions and global conformational dependencies that characterize effective antibody-antigen binding. Through extensive validation on epitope-binding CDR design and structure prediction tasks, Igformer demonstrates significant improvements over existing methods, suggesting that explicit modeling of multi-scale residue interactions can substantially advance computational antibody design for therapeutic applications.
• Abstract（参考訳）: 抗体共設計は薬物開発における重要なフロンティアであり、特定のエピトープを標的として、1D配列と3D構造を正確に予測することが重要である。 抗体設計のための同変グラフニューラルネットワークの最近の進歩にもかかわらず、現在のアプローチは、抗体抗原認識と結合特異性を管理する複雑な相互作用を捉えるのに不足することが多い。 本稿では,抗体-抗原結合界面の革新的なモデリングにより,これらの制約に対処する新しいエンドツーエンドフレームワークIgformerを提案する。 本手法は, 局所的な化学相互作用と抗体-抗原結合を特徴付けるグローバルなコンフォメーション依存性の複雑な相互作用を包括的に把握し, パーソナライズされた伝播とグローバルアテンション機構を統合することにより, グラフ間表現を改良する。 エピトープ結合型CDR設計と構造予測タスクの広範な検証を通じて、Igformerは既存の方法よりも大幅に改善され、多スケール残基相互作用の明示的なモデリングにより、治療応用のための計算抗体設計を大幅に進歩させることができることを示唆している。

関連論文リスト

• Relation-Aware Equivariant Graph Networks for Epitope-Unknown Antibody Design and Specificity Optimization [61.06622479173572]
  本稿では,抗原特異的CDRの構造と共同設計配列に対する抗原抗体相互作用をモデル化するRAADフレームワークを提案する。 さらに, 抗体特異度をよりよく測定し, 抗体特異度を最適化するコントラスト特異的エンハンス制約を開発するための新しい評価指標を提案する。
  論文  参考訳（メタデータ） (2024-12-14T03:00:44Z)
• Decoupled Sequence and Structure Generation for Realistic Antibody Design [45.72237864940556]
  主要なパラダイムは、モデルに抗体配列と構造を候補として共同で生成するように訓練することである。 本稿では, 配列生成と構造予測を分離した抗体配列構造デカップリング(ASSD)フレームワークを提案する。 ASSDは様々な抗体設計実験で性能が向上し、合成に基づく目的は非自己回帰モデルのトークン反復を軽減した。
  論文  参考訳（メタデータ） (2024-02-08T13:02:05Z)
• 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)
• 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)
• Conditional Antibody Design as 3D Equivariant Graph Translation [28.199522831859998]
  我々は,CDRの1次元配列と3次元構造を共設計するためのマルチチャネル等価アテンションネットワーク(MEAN)を提案する。 本手法は, 配列および構造モデリング, 抗原結合型CDR設計, 結合親和性最適化における最先端モデルを大幅に超えている。
  論文  参考訳（メタデータ） (2022-08-12T01:00:59Z)
• 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。