論文の概要: Computational Modeling of Antibody-Antigen Complexes: PLM-Based and MSA-Based Approaches

• arxiv url: http://arxiv.org/abs/2605.28886v1
• Date: Wed, 27 May 2026 03:43:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.027367
• Title: Computational Modeling of Antibody-Antigen Complexes: PLM-Based and MSA-Based Approaches
• Title（参考訳）: 抗体抗原複合体の計算モデリング: PLM と MSA に基づくアプローチ
• Authors: Xiao Luo,
• Abstract要約: 本論文は, 抗体関連課題がなぜ難しいのかを考察し, 2つの相補的な方向による改善を提案する。 まず,タンパク質言語モデル(PLM)を用いた抗体および抗体-抗原構造予測法について検討する。 第2に,MSAによる抗体抗原複合体予測のための2つの介入法を開発した。
• 参考スコア（独自算出の注目度）: 17.202242036098003
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Antibodies play a central role in the immune response by specifically recognizing and neutralizing antigens, and therapeutic antibodies have become major drugs for cancer and autoimmune diseases. However, their discovery still relies on extensive in vitro screening, and accurate computational modeling of antibody structures and antibody-antigen interactions can prioritize candidates, reduce experimental burden, and accelerate rational design. Despite recent advances in high-accuracy protein and complex prediction, a persistent performance gap remains for antibody-related tasks compared with general protein-protein interactions, limiting downstream design. This thesis investigates why antibody-related tasks are harder and proposes improvements along two complementary directions. First, we investigate protein language model (PLM)-based methods for antibody and antibody-antigen structure prediction. Using embeddings from multiple PLMs, our approach achieves the best CDR-H3 accuracy among compared PLM-based methods on antibody monomer prediction. Extending it to complex prediction does not generalize: without co-evolutionary signals between antibody and antigen, single-sequence PLM representations do not reliably identify binding interfaces. Second, we develop two MSA-based interventions for antibody-antigen complex prediction: MSA refinement, which combines CDR-focused filtering with depth recovery from a larger sequence database, and convergence-aware recycling, which selects a stable intermediate recycle state for final diffusion sampling. Together, these interventions provide consistent gains over the AlphaFold3 baseline on a held-out antibody-antigen test set. Because the methods modify MSA construction and recycling behavior rather than model parameters, they apply without retraining or weight access.
• Abstract（参考訳）: 抗体は抗原を特異的に認識し中和することにより免疫応答において中心的な役割を担い、治療抗体はがんや自己免疫疾患の主要な薬物となっている。 しかし、その発見はまだin vitroでの広範なスクリーニングに依存しており、抗体構造と抗体-抗原相互作用の正確な計算モデルにより、候補を優先順位付けし、実験的な負担を軽減し、合理的な設計を加速することができる。 近年の高精度タンパク質の進歩と複雑な予測にもかかわらず、一般のタンパク質-タンパク質相互作用と比較して抗体関連タスクに持続的なパフォーマンスギャップが残っており、下流の設計が制限されている。 本論文は, 抗体関連課題がなぜ難しいのかを考察し, 2つの相補的な方向による改善を提案する。 まず,タンパク質言語モデル(PLM)を用いた抗体および抗体-抗原構造予測法について検討する。 複数のPLMからの埋め込みを用いて, 抗体モノマーの予測法と比較し, 最適なCDR-H3精度を実現する。 抗体と抗原の共進化シグナルがなければ、単一配列のPLM表現は結合界面を確実に識別しない。 第2に、CDRに焦点をあてたフィルタリングと、より大きなシーケンスデータベースからの深度回復を組み合わせたMSAリファインメントと、最終拡散サンプリングのための安定した中間リサイクル状態を選択するコンバージェンス・アウェア・リサイクリングという、抗体-抗原複合体予測のための2つのMSAベースの介入を開発する。 これらの介入は、保持された抗体抗原テストセット上のAlphaFold3ベースラインに対して一貫した利得を与える。 これらの手法はモデルパラメータではなく, MSA の構築とリサイクルの挙動を変更するため, 再訓練や重量制限なしに適用できる。

関連論文リスト

• ABConformer: Physics-inspired Sliding Attention for Antibody-Antigen Interface Prediction [3.947298454012977]
  ABCONFORMERは,バイオシーケンスの局所的特徴とグローバル的特徴の両方をキャプチャする,Conformerのバックボーンに基づくモデルである。 ABCONFORMERは、抗体と配列が与えられたパラトープと抗原を正確に予測し、抗体情報なしで抗原上のパンエピトープを予測する。
  論文  参考訳（メタデータ） (2025-09-27T11:12:04Z)
• 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。