論文の概要: IgPose: A Generative Data-Augmented Pipeline for Robust Immunoglobulin-Antigen Binding Prediction

• arxiv url: http://arxiv.org/abs/2603.14870v1
• Date: Mon, 16 Mar 2026 06:16:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:36.093235
• Title: IgPose: A Generative Data-Augmented Pipeline for Robust Immunoglobulin-Antigen Binding Prediction
• Title（参考訳）: IgPose:ロバスト免疫グロブリン抗原結合予測のためのデータ拡張パイプライン
• Authors: Tien-Cuong Bui, Injae Chung, Wonjun Lee, Junsu Ko, Juyong Lee,
• Abstract要約: 免疫グロブリン抗原(Ig-Ag)の結合の予測は依然として重要な課題である。 Ig-Agのポーズ識別とスコアリングのための一般化可能なフレームワークであるIgPoseを紹介する。 IgPoseは同変グラフニューラルネットワーク、ESM-2埋め込み、ゲートリカレントユニットを統合している。
• 参考スコア（独自算出の注目度）: 5.547889148887967
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Predicting immunoglobulin-antigen (Ig-Ag) binding remains a significant challenge due to the paucity of experimentally-resolved complexes and the limited accuracy of de novo Ig structure prediction. We introduce IgPose, a generalizable framework for Ig-Ag pose identification and scoring, built on a generative data-augmentation pipeline. To mitigate data scarcity, we constructed the Structural Immunoglobulin Decoy Database (SIDD), a comprehensive repository of high-fidelity synthetic decoys. IgPose integrates equivariant graph neural networks, ESM-2 embeddings, and gated recurrent units to synergistically capture both geometric and evolutionary features. We implemented interface-focused k-hop sampling with biologically guided pooling to enhance generalization across diverse interfaces. The framework comprises two sub-networks--IgPoseClassifier for binding pose discrimination and IgPoseScore for DockQ score estimation--and achieves robust performance on curated internal test sets and the CASP-16 benchmark compared to physics and deep learning baselines. IgPose serves as a versatile computational tool for high-throughput antibody discovery pipelines by providing accurate pose filtering and ranking. IgPose is available on GitHub (https://github.com/arontier/igpose).
• Abstract（参考訳）: 免疫グロブリン-抗原(Ig-Ag)結合の予測は、実験的に分解された複合体の疎結合とde novo Ig構造予測の精度の限界により、依然として重要な課題である。 生成データ拡張パイプライン上に構築されたIg-Agポーズ識別とスコアリングのための一般化可能なフレームワークであるIgPoseを紹介する。 データ不足を軽減するため,我々は高忠実度合成デコイの包括的リポジトリである構造免疫グロブリンデコイデータベース(SIDD)を構築した。 IgPoseは、等変グラフニューラルネットワーク、ESM-2埋め込み、ゲートリカレントユニットを統合し、幾何学的特徴と進化的特徴の両方を相乗的に捉える。 我々は,多様なインタフェースをまたいだ一般化を促進するために,生物誘導プールを用いたインタフェース中心のk-hopサンプリングを実装した。 このフレームワークは、バインドポーズの識別のためのIgPoseClassifierとDockQのスコア推定のためのIgPoseScoreの2つのサブネットワークで構成されており、物理やディープラーニングのベースラインと比較して、キュレートされた内部テストセットとCASP-16ベンチマークで堅牢なパフォーマンスを実現している。 IgPoseは、高精度なポーズフィルタリングとランキングを提供することで、高スループットの抗体発見パイプラインのための汎用的な計算ツールとして機能する。 IgPoseはGitHubで入手できる(https://github.com/arontier/igpose)。

関連論文リスト

• A Geometric Graph-Based Deep Learning Model for Drug-Target Affinity Prediction [0.0]
  グラフ学習フレームワークに残差接続とアテンション機構を統合したディープ畳み込みニューラルネットワークDeepGGLを導入する。 マルチスケールの重み付き二部体部分グラフを活用することで、DeepGGLは複数のスケールにわたるタンパク質-リガンド複合体の微細な原子レベルの相互作用を効果的に捉えることができる。 DeepGGLは高い予測精度を維持し、構造に基づく薬物発見におけるアフィニティ予測への適応性と信頼性を強調した。
  論文  参考訳（メタデータ） (2025-09-15T14:06:39Z)
• PRING: Rethinking Protein-Protein Interaction Prediction from Pairs to Graphs [88.98041407783502]
  PRINGは、タンパク質とタンパク質の相互作用予測をグラフレベルで評価する最初のベンチマークである。 PRINGは、21,484タンパク質と186,818の相互作用からなる高品質な多種PPIネットワークデータセットをキュレートする。
  論文  参考訳（メタデータ） (2025-07-07T15:21:05Z)
• StarBASE-GP: Biologically-Guided Automated Machine Learning for Genotype-to-Phenotype Association Analysis [1.6393663206537612]
  Star-based Single-locus and Epistasis Analysis Tool - Genetic Programming (StarBASE-GP)を提案する。 StarBASE-GPは、大規模ゲノムデータセットの表現型変異に関連する有意義な遺伝的変異を発見するための自動フレームワークである。 我々は,ラットノベギクス(茶色ラット)のコホート上でStarBASE-GPを評価し,体質量指数に関連する変異を同定した。
  論文  参考訳（メタデータ） (2025-05-28T18:05:15Z)
• GNN-Suite: a Graph Neural Network Benchmarking Framework for Biomedical Informatics [0.0]
  本稿では,計算生物学におけるグラフニューラルネットワーク(GNN)アーキテクチャの構築とベンチマークを行うフレームワークであるGNN-Suiteを紹介する。 タンパク質-タンパク質相互作用(PPI)データから分子ネットワークを構築することにより,癌ドライバ遺伝子の同定にその有用性を示す。 GNNアーキテクチャの実装と評価のための共通フレームワークは、最高のモデルだけでなく、補完的なデータを組み込む最も効果的な方法を特定するのに役立つ。
  論文  参考訳（メタデータ） (2025-05-15T21:14:30Z)
• Instruction-Guided Autoregressive Neural Network Parameter Generation [49.800239140036496]
  本稿では,多種多様なタスクやアーキテクチャにまたがるパラメータ合成を統一する自動回帰フレームワークIGPGを提案する。 ニューラルネットワーク重みのトークンを自動回帰的に生成することにより、IGPGは層間コヒーレンスを確保し、モデルとデータセット間の効率的な適応を可能にする。 複数のデータセットの実験により、IGPGは様々な事前訓練されたモデルを単一の柔軟な生成フレームワークに統合することを示した。
  論文  参考訳（メタデータ） (2025-04-02T05:50:19Z)
• Interactive Segmentation as Gaussian Process Classification [58.44673380545409]
  クリックベースのインタラクティブセグメンテーション(IS)は、ユーザインタラクション下で対象オブジェクトを抽出することを目的としている。 現在のディープラーニング(DL)ベースの手法のほとんどは、主にセマンティックセグメンテーションの一般的なパイプラインに従っている。 本稿では,各画像上でガウス過程(GP)に基づく画素単位のバイナリ分類モデルとしてISタスクを定式化することを提案する。
  論文  参考訳（メタデータ） (2023-02-28T14:01:01Z)
• Structure-aware Interactive Graph Neural Networks for the Prediction of Protein-Ligand Binding Affinity [52.67037774136973]
  薬物発見はタンパク質-リガンド結合親和性の予測にしばしば依存する。 近年の進歩は、タンパク質-リガンド複合体の表現を学習することで、グラフニューラルネットワーク(GNN)をより良い親和性予測に応用する大きな可能性を示している。 ポーラインスパイアグラフアテンション層(PGAL)とペア・インタラクティブ・プール(PiPool)の2つのコンポーネントから構成される構造対応型インタラクティブグラフニューラルネットワーク(SIGN)を提案する。
  論文  参考訳（メタデータ） (2021-07-21T03:34:09Z)
• Adaptive Linear Span Network for Object Skeleton Detection [56.78705071830965]
  本研究では,適応線形スパンネットワーク(AdaLSN)を提案する。 AdaLSNは、精度とレイテンシのトレードオフを著しく高めることで、その汎用性を裏付ける。 また、エッジ検出や道路抽出といったイメージ・ツー・マスクのタスクに適用可能であることも示している。
  論文  参考訳（メタデータ） (2020-11-08T12:51:14Z)

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。