論文の概要: AbGaze: Attentive Geometric Representation Learning for End-to-End Antibody Design

• arxiv url: http://arxiv.org/abs/2609.35296v1
• Date: Mon, 28 Sep 2026 14:38:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 06:43:51.350083
• Title: AbGaze: Attentive Geometric Representation Learning for End-to-End Antibody Design
• Title（参考訳）: AbGaze: エンド・ツー・エンドの抗体設計のための注意的幾何学的表現学習
• Abstract要約: AbGazeは、注意的幾何学的表現学習に基づくエンドツーエンドの抗体設計フレームワークである。 学習された相互作用表現は、マルチCDR共設計、複雑な構造予測、親和性最適化タスク間で共有される。
• 参考スコア（独自算出の注目度）: 14.382051304713606
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computational antibody design requires representations that capture the geometric patterns underlying antigen--antibody interactions, yet existing approaches often rely on scalar distances or surface-intrinsic features, leaving cross-molecular geometry largely implicit. We present AbGaze, an end-to-end antibody design framework based on attentive geometric representation learning, which encodes distance, spatial direction, and surface-normal orientation of antigen surfaces relative to antibody-residue local frames, and adaptively aggregates these geometric interactions according to their interfacial context. The learned interaction representation is shared across multi-CDR co-design, complex structure prediction, and affinity optimization, with local-frame geometric supervision further constraining the representation. AbGaze outperforms prior methods across all three tasks: relative to the second-best method, it improves amino-acid recovery by 7.1% and reduces structural error by 14.9% on average over the six CDRs, improves interface docking quality (DockQ) by 6.6%, and raises the affinity improvement rate (IMP) by 32.5%.
• Abstract（参考訳）: 計算抗体の設計には、抗原-抗体相互作用の基礎となる幾何学的パターンを捉える表現が必要であるが、既存のアプローチは、しばしばスカラー距離や表面-内在的な特徴に依存し、分子間幾何学のほとんどを暗黙的に残す。 本稿では,抗体残基に対する抗原表面の距離,空間方向,表面正規配向を符号化し,それらの界面状況に応じてこれらの幾何学的相互作用を適応的に集約する,注意的幾何学的表現学習に基づくエンドツーエンドの抗体設計フレームワークであるAbGazeについて述べる。 学習された相互作用表現は、マルチCDR共設計、複雑な構造予測、親和性最適化にまたがって共有され、局所的フレーム幾何学的監督により表現はさらに制限される。 AbGazeは、第2のベスト法と比較して、アミノ酸の回収率を7.1%改善し、6つのCDRで平均14.9%削減し、インタフェースドッキング品質(DockQ)を6.6%改善し、親和性改善率(IMP)を32.5%向上させる。

関連論文リスト

• ConTact: Contact-First Antibody CDR Design via Explicit Interface Reasoning [3.349738424666578]
  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。
  論文  参考訳（メタデータ） (2026-05-20T18:04:32Z)
• Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers [93.3976834364707]
  本稿では,特徴写像のリレーショナル幾何における整合性を実現する構造的RePresentation AlignmentフレームワークであるsREPAを提案する。 モデルが事前訓練された特徴から全体的空間配置と構造的相関を内包するように促すことにより、sREPAはより高速でより安定した収束を達成する。
  論文  参考訳（メタデータ） (2026-05-16T12:01:04Z)
• LG-HCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting [77.81227097905865]
  アンカーベースの3DGS圧縮スキームは、いくつかの高度な文脈モデルを通してガウスの冗長性を減少させる。 本稿では, アンカープルーニングとエントロピー符号化にアンカー幾何学的相関を組み込んだ3DGSのための局所幾何学的階層型コンテキスト圧縮フレームワークを提案する。 実験の結果、LG-HCCは構造保存の問題を効果的に緩和し、Mip-NeRF360データセット上のScaffold-GSベースラインと比較して最大30.85倍のストレージを削減した。
  論文  参考訳（メタデータ） (2026-03-30T13:39:35Z)
• 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)
• Towards More Accurate Full-Atom Antibody Co-Design [44.06939390661133]
  共設計は薬物開発における重要なフロンティアであり、相補性決定領域の構造の正確な予測は、特定の同変を標的にするために不可欠である。 抗体設計のためのグラフニューラルネットワークの最近の進歩にもかかわらず、現在のアプローチは、抗体抗原認識と結合特異性を管理する複雑な相互作用を捉えるのに不足することが多い。 Igformerは、抗体-抗原結合インターフェースによってこれらの制限に対処する新しいエンドツーエンドフレームワークである。
  論文  参考訳（メタデータ） (2025-02-11T13:33:28Z)
• 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)
• 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)
• 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)

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。