論文の概要: ConTact: Contact-First Antibody CDR Design via Explicit Interface Reasoning

• arxiv url: http://arxiv.org/abs/2605.21600v1
• Date: Wed, 20 May 2026 18:04:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 20:14:18.473788
• Title: ConTact: Contact-First Antibody CDR Design via Explicit Interface Reasoning
• Title（参考訳）: ConTact:明示的なインタフェース推論によるコンタクトファースト抗体CDR設計
• Authors: Mansoor Ahmed, Spencer VonBank, Nadeem Taj, Sujin Lee, Naila Jan, Murray Patterson,
• Abstract要約: 本稿では,CDR設計を3つの段階に分解するConTactを紹介する。 CHIMERA-Benchでは、ConTactはいくつかのCDR-H3設計ベースラインの中で最高の構造品質(次回のベースラインよりも7% RMSDの改善)、最高の認識(GNNベースラインよりも10% F1スコア)、競争シーケンス回復(AAR 0.38)を実現している。
• 参考スコア（独自算出の注目度）: 3.349738424666578
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computational antibody CDR design methods condition on antigen structure to generate binding loops, yet existing architectures conflate two fundamentally distinct sub-problems: identifying which CDR positions will contact the antigen, and selecting amino acids at those positions. This conflation forces models to learn contact reasoning implicitly through uniform message passing, diluting antigen signal across all positions equally. We introduce ConTact, a contact-then-act architecture that explicitly decomposes CDR design into three cascaded stages: learning surface complementarity fingerprints, predicting CDR-antigen contacts, and injecting contact-gated antigen features into the sequence head. A distance-biased cross-attention module encodes geometric priors favoring spatial neighbors, while a contact-weighted cross-entropy loss concentrates gradient signal on binding-critical positions. On CHIMERA-Bench dataset, ConTact achieves the best structural quality (7% RMSD improvement over the next-best baseline), best epitope awareness (10% F1 score over GNN baselines), and competitive sequence recovery (AAR 0.38) among several CDR-H3 design baselines.
• Abstract（参考訳）: 計算抗体CDRは、結合ループを生成するために抗原構造を条件に設計するが、既存のアーキテクチャでは、どのCDR位置が抗原に接触するかを識別し、それらの位置でアミノ酸を選択するという、根本的に異なる2つのサブプロブレムを記述している。 この融合は、全ての位置を均等に横断する抗原シグナルを希釈し、均一なメッセージパッシングを通じて暗黙的に接触推論を学ぶようモデルに強制する。 本稿では,CDR設計を表面相補性指紋の学習,CDR抗原接触の予測,および接触ゲート抗原の特徴をシーケンスヘッドに注入する3つの段階に明示的に分解する接触-作用アーキテクチャであるConTactを紹介する。 距離バイアス付きクロスアテンションモジュールは、空間的隣人を好む幾何学的先行を符号化し、接触重み付きクロスエントロピー損失は、結合臨界位置の勾配信号に集中する。 CHIMERA-Benchデータセットでは、ConTactはいくつかのCDR-H3設計ベースラインの中で最高の構造品質(次回のベースラインよりも7% RMSD改善)、最高のエピトープ認識(GNNベースラインよりも10% F1スコア)、競争シーケンス回復(AAR 0.38)を達成する。

関連論文リスト

• AgForce Enables Antigen-conditioned Generative Antibody Design [3.2018287682779003]
  本稿では,AgForceと呼ばれる新しいエンコーダデコーダアーキテクチャを提案する。 グラフニューラルネットワーク(GNN)をエンコーダとして、シーケンス構造共設計のための特殊なデコーダとして使用する。 CHIMERA-Benchデータセット上で最高のバインディング品質とシーケンス回復を同時に達成する。
  論文  参考訳（メタデータ） (2026-05-20T18:16:52Z)
• Dense Semantic Matching with VGGT Prior [49.42199006453071]
  本稿では,VGGTの本質的な強みを,初期の特徴段階を再利用し,後続の特徴段階を微調整し,双方向対応のための意味的頭部を追加することによって維持するアプローチを提案する。 提案手法は, 従来のベースラインよりも優れた幾何認識, 整合性, および多様体保存を実現する。
  論文  参考訳（メタデータ） (2025-09-25T14:56:11Z)
• Antibody Design and Optimization with Multi-scale Equivariant Graph Diffusion Models for Accurate Complex Antigen Binding [13.315597171727095]
  抗体配列と構造共設計のためのエンドツーエンドフレームワークである textbfAbMEGD を提案する。 AbMEGDは原子レベルの幾何学的特徴と残留レベルの埋め込みを組み合わせ、局所的な原子の詳細とグローバルなシーケンス構造相互作用を捉えている。 SAbDabデータベースを用いた実験では、アミノ酸の回収が10.13%増加し、改善率が3.32%上昇し、根の平均平方偏差が0.062AA減少した。
  論文  参考訳（メタデータ） (2025-06-26T02:45:38Z)
• 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)
• 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)
• 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。