“`html
ABodyBuilder3: Масштабируемая и точная модель для прогнозирования структуры антител
Точное прогнозирование структур антител является ключевым для разработки моноклональных антител, играющих важную роль в иммунных реакциях и терапевтических применениях. Антитела состоят из двух тяжелых и двух легких цепей, с переменными областями, содержащими шесть петель CDR, критически важных для связывания с антигенами. Петля CDRH3 представляет собой наибольшее вызов из-за своего разнообразия. Традиционные экспериментальные методы определения структуры антител часто медленны и дороги. В результате вычислительные методы, такие как IgFold, DeepAb, ABlooper, ABodyBuilder и новые модели, такие как xTrimoPGLMAb, становятся эффективными инструментами для точного прогнозирования структуры антител.
Улучшение структурного моделирования антител
Исследователи из Exscientia и Университета Оксфорда разработали ABodyBuilder3, продвинутую модель для прогнозирования структуры антител. Новая модель ABodyBuilder3 улучшает точность прогнозирования петель CDR путем интеграции эмбеддингов языковых моделей. ABodyBuilder3 также улучшает прогнозирование структуры с помощью усовершенствованных техник релаксации и вводит тест локального различия расстояний (pLDDT) для более точной оценки неопределенностей. Ключевые улучшения включают обновления кураторских данных, представление последовательностей и процессы уточнения структуры. Эти усовершенствования делают ABodyBuilder3 масштабируемым решением для точной оценки множества терапевтических кандидатов-антител.
Для улучшения прогнозирования структуры антител исследователи разработали более эффективную и масштабируемую версию ABodyBuilder2, интегрируя векторизацию и оптимизации из OpenFold. Используя смешанную точность и bfloat16 для обучения, они достигли более чем в три раза более быстрого выполнения и эффективного использования памяти. Обучаясь на базе данных структурных антител (SAbDab), они фильтровали выбросы, ультрадлинные петли CDRH3 и структуры низкого разрешения, чтобы уточнить свой набор данных. Они использовали большой набор проверки и тестирования, сосредоточенный на человеческих антителах, для улучшения устойчивости модели. Стратегии уточнения с помощью OpenMM и YASARA улучшили структурную точность, особенно в антителах, что привело к значительным улучшениям по сравнению с ABodyBuilder2.
Для улучшения прогнозирования структуры антител исследователи заменили one-hot кодирование в ABodyBuilder2 на эмбеддинги из языковой модели ProtT5, которая предварительно обучена на миллиардах белковых последовательностей. Они создали отдельные эмбеддинги для тяжелых и легких цепей и объединили их для полной переменной области. Хотя они тестировали антитело-специфичные модели, такие как IgT5 и IgBert, общие языковые модели для белков показали себя лучше, вероятно избегая проблем, таких как загрязнение набора данных и переобучение. Используя ProtT5, они установили более низкую начальную скорость обучения и отрегулировали планировщик скорости обучения для стабильности. Эта новая модель, ABodyBuilder3-LM, показала снижение RMSD, особенно для петель CDRH3 и CDRL3.
Для улучшения оценки неопределенности в прогнозировании структуры антител ABodyBuilder3 заменяет подход на основе ансамбля уверенности ABodyBuilder2 на оценки lDDT-Cα на каждый аминокислотный остаток, как в AlphaFold2. Этот метод, который предсказывает точность непосредственно из одной модели, значительно снижает вычислительные затраты. Оценка pLDDT рассчитывается путем проецирования предсказаний на уровне остатков в бины через нейронную сеть, а затем сравнивается с эталонными структурами. Этот подход улучшает корреляцию между предсказанной неопределенностью и RMSD, особенно с эмбеддингами ProtT5. Оценки pLDDT модели эффективно предсказывают точность областей CDR, с высокими баллами, указывающими на более низкое значение RMSD в ключевых областях, таких как CDRH3.
Заключение и рекомендации
ABodyBuilder3 – это продвинутая модель прогнозирования структуры антител, основанная на ABodyBuilder2, с ключевыми улучшениями для повышения масштабируемости и точности. Модель достигает лучшей производительности за счет оптимизации использования оборудования и улучшения обработки данных и методов прогнозирования структуры. Интеграция эмбеддингов языковых моделей, особенно для области CDRH3, и использование оценок pLDDT для оценки неопределенности заменяют необходимость в вычислительно интенсивных ансамблевых моделях. Дальнейшие направления могут исследовать самодистилляционные методики и предварительное обучение на синтетических наборах данных для улучшения точности прогнозирования. Кроме того, объединение pLDDT с ансамблевыми подходами может улучшить результаты, несмотря на более высокие вычислительные требования.
Подробнее см. Статью. Вся заслуга за это исследование принадлежит исследователям этого проекта. Также не забудьте подписаться на наш Twitter. Присоединяйтесь к нашему каналу в Telegram, Discord и группе в LinkedIn.
Если вам нравится наша работа, вам понравится наша рассылка.
Не забудьте присоединиться к нашему SubReddit с более чем 44 000 подписчиков.
Используйте ABodyBuilder3 для развития вашего бизнеса
Если вы хотите, чтобы ваша компания развивалась с помощью искусственного интеллекта (ИИ) и оставалась в числе лидеров, грамотно используйте ABodyBuilder3: Масштабируемая и точная модель для прогнозирования структуры антител.
Проанализируйте, как ИИ может изменить вашу работу. Определите, где возможно применение автоматизации: найдите моменты, когда ваши клиенты могут извлечь выгоду из AI.
Определитесь какие ключевые показатели эффективности (KPI): вы хотите улучшить с помощью ИИ.
Подберите подходящее решение, сейчас очень много вариантов ИИ. Внедряйте ИИ решения постепенно: начните с малого проекта, анализируйте результаты и KPI.
На полученных данных и опыте расширяйте автоматизацию.
Если вам нужны советы по внедрению ИИ, пишите нам на https://t.me/itinai. Следите за новостями о ИИ в нашем Телеграм-канале t.me/itinainews или в Twitter @itinairu45358.
Попробуйте AI Sales Bot https://itinai.ru/aisales. Этот AI ассистент в продажах, помогает отвечать на вопросы клиентов, генерировать контент для отдела продаж, снижать нагрузку на первую линию.
Узнайте, как ИИ может изменить ваши процессы с решениями от AI Lab itinai.ru. Будущее уже здесь!
“`
