論文の概要: Fast and Accurate Antibody Sequence Design via Structure Retrieval

• arxiv url: http://arxiv.org/abs/2502.19395v1
• Date: Tue, 11 Feb 2025 13:29:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 03:22:45.950948
• Title: Fast and Accurate Antibody Sequence Design via Structure Retrieval
• Title（参考訳）: 構造検索による迅速かつ正確な抗体配列設計
• Authors: Xingyi Zhang, Kun Xie, Ningqiao Huang, Wei Liu, Peilin Zhao, Sibo Wang, Kangfei Zhao, Biaobin Jiang,
• Abstract要約: Igseekは、天然の抗体データベースから類似した構造によって配列を推論する新しい構造検索フレームワークである。 実験の結果,Igseekは構造検索において高い効率性を示すだけでなく,抗体およびT細胞受容体の配列回復における最先端の手法よりも優れていることがわかった。
• 参考スコア（独自算出の注目度）: 32.38989928131971
• License:
• Abstract: Recent advancements in protein design have leveraged diffusion models to generate structural scaffolds, followed by a process known as protein inverse folding, which involves sequence inference on these scaffolds. However, these methodologies face significant challenges when applied to hyper-variable structures such as antibody Complementarity-Determining Regions (CDRs), where sequence inference frequently results in non-functional sequences due to hallucinations. Distinguished from prevailing protein inverse folding approaches, this paper introduces Igseek, a novel structure-retrieval framework that infers CDR sequences by retrieving similar structures from a natural antibody database. Specifically, Igseek employs a simple yet effective multi-channel equivariant graph neural network to generate high-quality geometric representations of CDR backbone structures. Subsequently, it aligns sequences of structurally similar CDRs and utilizes structurally conserved sequence motifs to enhance inference accuracy. Our experiments demonstrate that Igseek not only proves to be highly efficient in structural retrieval but also outperforms state-of-the-art approaches in sequence recovery for both antibodies and T-Cell Receptors, offering a new retrieval-based perspective for therapeutic protein design.
• Abstract（参考訳）: タンパク質設計の最近の進歩は、拡散モデルを利用して構造的な足場を生成し、続いて、これらの足場上のシーケンス推論を含むタンパク質逆フォールディングと呼ばれるプロセスが続いた。 しかし, これらの手法は, 幻覚による非機能的配列を頻繁に推論する, 抗体相補性決定領域 (CDR) などの多変量構造に適用した場合, 重大な課題に直面する。 本報告では, タンパク質逆フォールディングアプローチと違い, 天然抗体データベースから類似した構造を検索し, CDR配列を推論する新しい構造検索フレームワークであるIgseekを紹介する。 特に、IgseekはCDRバックボーン構造の高品質な幾何学的表現を生成するために、単純だが効果的なマルチチャネル同変グラフニューラルネットワークを使用している。 その後、構造的に類似したCDRの配列を整列し、構造的に保存されたシーケンスモチーフを使用して推論精度を向上させる。 実験の結果,Igseekは構造的検索において高い効率性を示すだけでなく,抗体およびT細胞受容体の配列回復における最先端のアプローチよりも優れており,新しい検索に基づく治療タンパク質設計の視点を提供する。

関連論文リスト

• 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)
• Inverse folding for antibody sequence design using deep learning [2.8998926117101367]
  本稿では, 抗体構造に特異的に最適化した, 精密な折り畳み逆モデルを提案する。 本研究では、相補性決定領域の標準的コンフォーメーションについて検討し、これらのループの既知のクラスタへの符号化を改善した。
  論文  参考訳（メタデータ） (2023-10-30T13:12:41Z)
• 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)
• State-specific protein-ligand complex structure prediction with a multi-scale deep generative model [68.28309982199902]
  タンパク質-リガンド複合体構造を直接予測できる計算手法であるNeuralPLexerを提案する。 我々の研究は、データ駆動型アプローチがタンパク質と小分子の構造的協調性を捉え、酵素や薬物分子などの設計を加速させる可能性を示唆している。
  論文  参考訳（メタデータ） (2022-09-30T01:46:38Z)
• 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)
• EBM-Fold: Fully-Differentiable Protein Folding Powered by Energy-based Models [53.17320541056843]
  本研究では,データ駆動型生成ネットワークを用いたタンパク質構造最適化手法を提案する。 EBM-Foldアプローチは,従来のロゼッタ構造最適化ルーチンと比較して,高品質なデコイを効率よく生成できる。
  論文  参考訳（メタデータ） (2021-05-11T03:40:29Z)

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。