論文の概要: Benchmark for Antibody Binding Affinity Maturation and Design

• arxiv url: http://arxiv.org/abs/2506.04235v1
• Date: Fri, 23 May 2025 21:09:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-08 12:40:08.698071
• Title: Benchmark for Antibody Binding Affinity Maturation and Design
• Title（参考訳）: 抗体結合親和性成熟度と設計のためのベンチマーク
• Authors: Xinyan Zhao, Yi-Ching Tang, Akshita Singh, Victor J Cantu, KwanHo An, Junseok Lee, Adam E Stogsdill, Ashwin Kumar Ramesh, Zhiqiang An, Xiaoqian Jiang, Yejin Kim,
• Abstract要約: AbBiBenchは、抗体結合親和性成熟と設計のためのベンチマークフレームワークである。 まず、9つの抗原を含む9つのデータセットをキュレートし、標準化し、共有する。 マスク付き言語モデル、自己回帰言語モデル、逆折り畳みモデル、拡散ベース生成モデル、幾何学グラフモデルを含む14のタンパク質モデルを比較した。
• 参考スコア（独自算出の注目度）: 11.905797701155263
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce AbBiBench (Antibody Binding Benchmarking), a benchmarking framework for antibody binding affinity maturation and design. Unlike existing antibody evaluation strategies that rely on antibody alone and its similarity to natural ones (e.g., amino acid identity rate, structural RMSD), AbBiBench considers an antibody-antigen (Ab-Ag) complex as a functional unit and evaluates the potential of an antibody design binding to given antigen by measuring protein model's likelihood on the Ab-Ag complex. We first curate, standardize, and share 9 datasets containing 9 antigens (involving influenza, anti-lysozyme, HER2, VEGF, integrin, and SARS-CoV-2) and 155,853 heavy chain mutated antibodies. Using these datasets, we systematically compare 14 protein models including masked language models, autoregressive language models, inverse folding models, diffusion-based generative models, and geometric graph models. The correlation between model likelihood and experimental affinity values is used to evaluate model performance. Additionally, in a case study to increase binding affinity of antibody F045-092 to antigen influenza H1N1, we evaluate the generative power of the top-performing models by sampling a set of new antibodies binding to the antigen and ranking them based on structural integrity and biophysical properties of the Ab-Ag complex. As a result, structure-conditioned inverse folding models outperform others in both affinity correlation and generation tasks. Overall, AbBiBench provides a unified, biologically grounded evaluation framework to facilitate the development of more effective, function-aware antibody design models.
• Abstract（参考訳）: 本稿では,抗体結合親和性評価と設計のためのベンチマークフレームワークであるAbBiBench(Antibody Binding Benchmarking)を紹介する。 抗体のみに依存する既存の抗体評価戦略や、天然の抗体と類似性(例えば、アミノ酸識別率、構造RMSD)とは異なり、AbBiBenchは抗体抗原複合体(Ab-Ag)を機能単位とみなし、タンパク質モデルがAb-Ag複合体に結合する可能性を測定することによって、与えられた抗原に結合する抗体設計の可能性を評価する。 まず,9種類の抗原(インフルエンザ,抗リゾチーム,HER2,VEGF,インテグリン,SARS-CoV-2を含む)と155,853種の重鎖変異抗体を含む9つのデータセットをキュレート,標準化,共有する。 これらのデータセットを用いて、マスク付き言語モデル、自己回帰言語モデル、逆折り畳みモデル、拡散ベース生成モデル、幾何学グラフモデルを含む14のタンパク質モデルを体系的に比較する。 モデル性能を評価するために,モデル確率と実験親和性値の相関式を用いた。 さらに,抗原インフルエンザH1N1に対する抗体F045-092の結合親和性を高めるために,抗原に結合する新しい抗体のセットを採取し,Ab-Ag複合体の構造的整合性および生体物理的性質に基づいて,トップパフォーマンスモデルの産生能を評価する。 その結果、構造条件の逆折り畳みモデルは親和性相関と生成タスクの両方において他よりも優れていた。 全体として、AbBiBenchは、より効果的な機能認識型抗体設計モデルの開発を促進するために、統一された生物学的基盤評価フレームワークを提供する。

関連論文リスト

• dyAb: Flow Matching for Flexible Antibody Design with AlphaFold-driven Pre-binding Antigen [52.809470467635194]
  治療抗体の開発は、抗原が抗体とどのように相互作用するかの正確な予測に大きく依存している。 抗体設計における既存の計算方法はしばしば、結合過程において抗原が実行されている重要なコンフォメーション変化を見落としている。 我々は、αFold2による予測を組み込んだ柔軟なフレームワークであるdyAbを導入し、前結合性抗原構造をモデル化する。
  論文  参考訳（メタデータ） (2025-03-01T03:53:18Z)
• Leveraging Large Language Models to Predict Antibody Biological Activity Against Influenza A Hemagglutinin [0.15547733154162566]
  インフルエンザA型ヘマグルチニン(HA)抗原に対する抗体の結合および受容体遮断活性を予測するためのAIモデルを開発した。 AUROC $geq$0.91, AUROC $geq$0.91, AUROC for unseen HAs。
  論文  参考訳（メタデータ） (2025-02-02T06:48:45Z)
• 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)
• 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)
• 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)

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。