論文の概要: HelixDesign-Antibody: A Scalable Production-Grade Platform for Antibody Design Built on HelixFold3

• arxiv url: http://arxiv.org/abs/2507.02345v1
• Date: Thu, 03 Jul 2025 06:13:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-04 15:37:15.769203
• Title: HelixDesign-Antibody: A Scalable Production-Grade Platform for Antibody Design Built on HelixFold3
• Title（参考訳）: HelixDesign-Antibody: HelixFold3上に構築された抗体設計のためのスケーラブルなプロダクショングレードプラットフォーム
• Authors: Jie Gao, Jing Hu, Shanzhuo Zhang, Kunrui Zhu, Sheng Qian, Yueyang Huang, Xiaonan Zhang, Xiaomin Fang,
• Abstract要約: HelixFold3, HelixDesign-Antibody上に構築されたプロダクショングレードの高スループットプラットフォームを紹介します。 このプラットフォームは、抗体候補配列の大規模生成を促進し、抗原との相互作用を評価する。 このプラットフォームは、大規模な抗体デザインのためのシームレスでアクセスしやすいソリューションを提供し、PaddleHelixプラットフォームの抗体デザインページから利用できる。
• 参考スコア（独自算出の注目度）: 6.666039353302837
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Antibody engineering is essential for developing therapeutics and advancing biomedical research. Traditional discovery methods often rely on time-consuming and resource-intensive experimental screening. To enhance and streamline this process, we introduce a production-grade, high-throughput platform built on HelixFold3, HelixDesign-Antibody, which utilizes the high-accuracy structure prediction model, HelixFold3. The platform facilitates the large-scale generation of antibody candidate sequences and evaluates their interaction with antigens. Integrated high-performance computing (HPC) support enables high-throughput screening, addressing challenges such as fragmented toolchains and high computational demands. Validation on multiple antigens showcases the platform's ability to generate diverse and high-quality antibodies, confirming a scaling law where exploring larger sequence spaces increases the likelihood of identifying optimal binders. This platform provides a seamless, accessible solution for large-scale antibody design and is available via the antibody design page of PaddleHelix platform.
• Abstract（参考訳）: 抗体工学は治療の発展と生物医学研究の進展に不可欠である。 伝統的な発見法は、しばしば時間と資源集約的な実験的スクリーニングに依存している。 HelixFold3, HelixDesign-Antibody上に構築され, 高精度構造予測モデルHelixFold3を利用する実運用レベルの高スループットプラットフォームを導入する。 このプラットフォームは、抗体候補配列の大規模生成を促進し、抗原との相互作用を評価する。 統合されたハイパフォーマンスコンピューティング(HPC)サポートは、高スループットのスクリーニング、断片化されたツールチェーンや高い計算要求といった課題への対処を可能にする。 複数の抗原に対する検証は、多種多様な高品質な抗体を産生するプラットフォームの能力を示し、より大きな配列空間を探索するスケーリング法則が最適なバインダーを同定する可能性を高めることを確認している。 このプラットフォームは、大規模な抗体デザインのためのシームレスでアクセスしやすいソリューションを提供し、PaddleHelixプラットフォームの抗体デザインページから利用できる。

関連論文リスト

• HelixDesign-Binder: A Scalable Production-Grade Platform for Binder Design Built on HelixFold3 [8.334401922056841]
  HelixDesign-Binderは、HelixFold3上に構築されたプロダクショングレードの高スループットプラットフォームである。 バックボーン生成やシーケンス設計から構造評価、多次元スコアリングに至るまで、完全なバインダー設計パイプラインを自動化する。 6つのタンパク質ターゲットのベンチマークは、HelixDesign-Binderが多種多様な高品質なバインダーを確実に生成していることを示している。
  論文  参考訳（メタデータ） (2025-05-28T01:39:31Z)
• AlignAb: Pareto-Optimal Energy Alignment for Designing Nature-Like Antibodies [4.679586996508103]
  抗体配列構造共設計に特化したディープラーニングモデルを学習するための3段階のフレームワークを提案する。 得られた表現を用いて,抗体の配列と構造の両方に対する共同最適化のための拡散モデルの訓練を指導する。
  論文  参考訳（メタデータ） (2024-12-30T14:50:32Z)
• 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)
• Large scale paired antibody language models [40.401345152825314]
  IgBert と IgT5 は,これまでに開発された抗体特異的言語モデルの中で最も優れた性能を示した。 これらのモデルは、20億以上のObserved Spaceデータセットを使用して、包括的にトレーニングされている。 この進歩は、治療開発のための抗体設計を強化するために、機械学習、大規模データセット、高性能コンピューティングを活用する上で大きな前進となる。
  論文  参考訳（メタデータ） (2024-03-26T17:21:54Z)
• 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)
• 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)
• Antibody-Antigen Docking and Design via Hierarchical Equivariant Refinement [38.637412590671865]
  パラトピックドッキングと設計のための階層的等変リファインメントネットワーク(HERN)を提案する。 ドッキングの間、HERNは階層的なメッセージパッシングネットワークを使用して原子間力を予測する。 実験の結果,HERNはパラトピードッキングと設計ベンチマークにおいて,最先端のドッキング性能を著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2022-07-14T02:13:25Z)
• 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。