cari
RumahPeranti teknologiAIMereka bentuk antibodi dari awal, pasukan Tencent dan Universiti Peking telah melatih model bahasa besar dan menerbitkannya dalam sub-jurnal Nature

Mereka bentuk antibodi dari awal, pasukan Tencent dan Universiti Peking telah melatih model bahasa besar dan menerbitkannya dalam sub-jurnal NatureEditor |. Teknologi KX

AI telah mencapai kemajuan besar dalam membantu reka bentuk antibodi. Walau bagaimanapun, reka bentuk antibodi masih banyak bergantung pada pengasingan antibodi khusus antigen daripada serum, yang merupakan proses intensif sumber dan memakan masa.

Untuk menyelesaikan masalah ini, pasukan penyelidik Tencent AI Lab, Peking University Shenzhen Graduate School dan Xijing Digestive Disease Hospital mencadangkan model bahasa besar generasi antibodi terlatih (PALM-H3) untuk penjanaan de novo antibodi dengan kekhususan pengikatan antigen yang diperlukan Antibodi buatan yang unik CDRH3 mengurangkan pergantungan kepada antibodi semula jadi.

Selain itu, model ramalan pengikat antigen-antibodi berketepatan tinggi A2binder direka untuk memadankan jujukan epitop antigen dengan jujukan antibodi untuk meramalkan kekhususan dan pertalian pengikatan.

Ringkasnya, kajian ini mewujudkan rangka kerja kecerdasan buatan untuk penjanaan dan penilaian antibodi, yang berpotensi untuk mempercepatkan pembangunan ubat antibodi dengan ketara.

Penyelidikan berkaitan bertajuk "Generasi de novo antibodi SARS-CoV-2 CDRH3 dengan model bahasa besar generatif terlatih" telah diterbitkan dalam "Nature Communications" pada 10 Ogos.

Mereka bentuk antibodi dari awal, pasukan Tencent dan Universiti Peking telah melatih model bahasa besar dan menerbitkannya dalam sub-jurnal Nature

Pautan kertas: https://www.nature.com/articles/s41467-024-50903-y

Ubat antibodi, juga dikenali sebagai antibodi monoklonal, memainkan peranan penting dalam kesan terapi biologi. Dengan meniru tindakan sistem imun, ubat-ubatan ini secara terpilih boleh menyasarkan agen penyebab penyakit seperti virus dan sel kanser. Ubat antibodi adalah pendekatan yang lebih spesifik dan berkesan daripada rawatan tradisional. Ubat antibodi telah menunjukkan hasil yang positif dalam merawat pelbagai penyakit.

Membangunkan ubat antibodi ialah proses kompleks yang melibatkan pengasingan antibodi daripada sumber haiwan, memanusiakannya dan mengoptimumkan pertaliannya. Tetapi perkembangan ubat antibodi masih banyak bergantung pada antibodi semula jadi.

Data jujukan protein boleh dilihat sebagai bahasa, jadi model pra-latihan berskala besar dalam bidang pemprosesan bahasa semula jadi (NLP) telah digunakan untuk mempelajari corak perwakilan protein. Pelbagai model bahasa protein telah dibangunkan. Walau bagaimanapun, menjana antibodi dengan pertalian tinggi untuk epitop tertentu kekal sebagai tugas yang mencabar kerana kepelbagaian antibodi yang tinggi dan kekurangan data pasangan antigen-antibodi yang tersedia.

Untuk menangani cabaran di atas, pasukan Tencent AI Lab mencadangkan model bahasa berskala besar generasi antibodi terlatih PALM-H3 untuk mengoptimumkan dan menjana rantau penentu kesempurnaan rantaian berat 3 (CDRH3), yang memainkan peranan penting dalam kekhususan dan kepelbagaian antibodi memainkan peranan yang penting.

Untuk menilai pertalian antibodi yang dihasilkan oleh PALM-H3 untuk antigen, para penyelidik menggunakan gabungan dok antigen-antibodi dan kaedah berasaskan AI.

Para penyelidik juga membangunkan A2binder untuk menilai pertalian antibodi-antigen. A2binder membolehkan ramalan pertalian yang tepat dan boleh digeneralisasikan, walaupun untuk antigen yang tidak diketahui.

Rangka kerja PALM-H3 dan A2Binder

Aliran kerja dan rangka kerja model PALM-H3 dan A2binder ditunjukkan dalam rajah di bawah.

Mereka bentuk antibodi dari awal, pasukan Tencent dan Universiti Peking telah melatih model bahasa besar dan menerbitkannya dalam sub-jurnal Nature

Ilustrasi: Gambaran keseluruhan aliran kerja PALM-H3 dan A2binder. (Sumber: kertas)

PALM-H3 direka untuk menjana urutan CDRH3 de novo dalam antibodi. Rantau CDRH3 memainkan peranan paling penting dalam menentukan kekhususan mengikat antibodi untuk urutan antigen tertentu. PALM-H3 ialah model seperti pengubah yang menggunakan model antigen berasaskan ESM2 sebagai pengekod dan Roformer antibodi sebagai penyahkod. Kajian itu juga membina A2binder untuk meramalkan pertalian mengikat antibodi yang dihasilkan secara buatan.

Pembinaan PALM-H3 dan A2binder merangkumi tiga langkah: Pertama, para penyelidik telah melatih dua model Roformer masing-masing pada rantai berat antibodi tidak berpasangan dan urutan rantai ringan. Kemudian, A2binder dibina berdasarkan ESM2 terlatih, Roformer rantai berat antibodi dan Roformer rantai ringan antibodi, dan dilatih menggunakan data pertalian berpasangan. Akhirnya, PALM-H3 dibina menggunakan ESM2 terlatih dan Roformer rantai berat antibodi dan dilatih pada data antigen-CDRH3 berpasangan untuk menjana CDRH3 de novo.

A2binder boleh meramal dengan tepat kebarangkalian pengikatan antigen-antibodi, pertalian

Prestasi A2binder dinilai dengan membandingkan keupayaannya untuk meramalkan pertalian dengan beberapa kaedah asas.

A2binder berfungsi dengan baik pada set data perkaitan, sebahagiannya disebabkan oleh pra-latihan pada jujukan antibodi, yang membolehkan A2binder mempelajari corak unik yang terdapat dalam jujukan ini.

Mereka bentuk antibodi dari awal, pasukan Tencent dan Universiti Peking telah melatih model bahasa besar dan menerbitkannya dalam sub-jurnal Nature

Abbildung: Vergleich der potenziellen Fähigkeiten vorab trainierter und untrainierter Modelle und Leistungsvergleich von A2Binder- und Basismethoden bei der Vorhersage der Antikörper-Antigen-Bindungsspezifität. (Quelle: Papier)

Die Ergebnisse zeigen, dass A2binder bei allen Antigen-Antikörper-Affinitätsvorhersagedatensätzen eine bessere Leistung erbringt als das Basismodell ESM-F (letzteres hat das gleiche Framework, aber das vorab trainierte Modell). ist die ESM2-Substitution), was darauf hindeutet, dass das Vortraining mit Antikörpersequenzen für verwandte nachgelagerte Aufgaben von Vorteil sein könnte.

Um die Leistung des Modells bei der Vorhersage von Affinitätswerten zu bewerten, verwendeten die Forscher auch zwei Datensätze, 14H und 14L, die Affinitätswertbezeichnungen enthalten.

Mereka bentuk antibodi dari awal, pasukan Tencent dan Universiti Peking telah melatih model bahasa besar dan menerbitkannya dalam sub-jurnal Nature

A2binder übertrifft alle Basismodelle sowohl hinsichtlich der Pearson-Korrelations- als auch der Spearman-Korrelationsmetriken. A2binder erreicht eine Pearson-Korrelation von 0,642 für den 14H-Datensatz (eine Verbesserung von 3 %) und 0,683 für den 14L-Datensatz (eine Verbesserung von 1 %).

Allerdings sank die Leistung von A2binder und anderen Basismodellen bei den 14H- und 14L-Datensätzen im Vergleich zu anderen Datensätzen leicht. Diese Beobachtung steht im Einklang mit früheren Studien.

PALM-H3 zeichnet sich durch die Erzeugung von Antikörpern mit hoher Bindungswahrscheinlichkeit aus.

Die Forscher untersuchten den Unterschied zwischen den von PALM-H3 produzierten und natürlichen Antikörpern Antikörper. Unterschied zwischen. Es wurde festgestellt, dass sich ihre Sequenzen erheblich unterscheiden, die Bindungswahrscheinlichkeiten der produzierten Antikörper wurden jedoch durch diese Unterschiede nicht wesentlich beeinflusst. Gleichzeitig führen ihre strukturellen Unterschiede zu einer Verringerung der Bindungsaffinität. Diese Ergebnisse stehen im Einklang mit früheren Studien zur Netzwerkanalyse von Antikörperbibliotheken und zur Erzeugung funktioneller Proteinsequenzen.

Mereka bentuk antibodi dari awal, pasukan Tencent dan Universiti Peking telah melatih model bahasa besar dan menerbitkannya dalam sub-jurnal Nature

Abbildung: Leistungsvergleich mit Basismethoden und Ähnlichkeitsanalyse von künstlichen und natürlichen Antikörpern. (Quelle: Paper)

Insgesamt zeigen die Ergebnisse, dass PALM-H3 im Gegensatz zu natürlichen Antikörpern in der Lage ist, eine Vielzahl von Antikörpersequenzen mit hohen Bindungsaffinitäten zu erzeugen.

Darüber hinaus überprüften die Forscher die Leistung von PALM-H3 durch ClusPro und SnugDock. PALM-H3 ist in der Lage, Antikörper gegen ein stabilisierendes Peptid in der HR2-Region von SARS-CoV-2, der CDRH3-Sequenz, zu erzeugen. Es wurde eine neuartige CDRH3-Sequenz generiert und bestätigt, dass die generierte Sequenz GRREAAWALA im Vergleich zur nativen CDHR3-Sequenz GKAAGTFDS ein verbessertes Targeting von Antigen-stabilisierenden Peptiden aufweist.

Mereka bentuk antibodi dari awal, pasukan Tencent dan Universiti Peking telah melatih model bahasa besar dan menerbitkannya dalam sub-jurnal Nature

Abbildung: A2binder prognostizierte ausgewählte hochaffine künstliche Antikörper im Vergleich zu natürlichen Antikörpern gegen das SARS-CoV-2-Spike-Protein in verschiedenen Varianten und Vergleiche der Grenzflächenenergie zwischen Methoden zur rechnerischen Strukturgenerierung. (Quelle: Paper)

Darüber hinaus ist PALM-H3 in der Lage, Antikörper mit höherer Affinität gegen die neu auftretende CDRH3-Sequenz der SARS-CoV-2-Variante XBB zu erzeugen. Die resultierende Sequenz AKDSRTSPLRLDYS hat eine stärkere Affinität zu XBB als ihre Quelle ASEVLDNLRDGYNF.

Darüber hinaus überwindet PALM-H3 nicht nur die lokalen optimalen Fallstricke traditioneller sequentieller Mutationsstrategien, sondern erzeugt im Vergleich zum E-EVO-Ansatz auch Antikörper mit höherer Antigenbindungsaffinität. Dies unterstreicht die Vorteile von PALM-H3 beim Antikörperdesign, das eine effizientere Erkundung des Sequenzraums und die Erzeugung hochaffiner Binder ermöglicht, die auf spezifische Epitope abzielen.

In-vitro-Experimente

Darüber hinaus führten die Forscher auch In-vitro-Experimente durch, darunter Western Blot, Oberflächenplasmonresonanzanalyse und Pseudovirus-Neutralisierung Das Experiment lieferte einen wichtigen Nachweis für die Wirksamkeit des von PALM-H3 entwickelten Antikörpers.

Mereka bentuk antibodi dari awal, pasukan Tencent dan Universiti Peking telah melatih model bahasa besar dan menerbitkannya dalam sub-jurnal Nature

Abbildung: In-vitro-Test der Bindungsaffinität und Neutralisierung künstlicher und natürlicher Antikörper. (Quelle: Papier)

PALM-H3 Zwei Antikörper, die gegen die Spike-Proteine ​​der SARS-CoV-2-Wildtyp-, Alpha-, Delta- und neutralisierende Wirkung von Antikörpern. Die robusten empirischen Ergebnisse dieser Nasslaborexperimente ergänzen rechnerische Vorhersagen und Analysen und bestätigen die Fähigkeit von PALM-H3 und A2binder, wirksame Antikörper mit hoher Spezifität und Affinität für bekannte und neue Antigene zu erzeugen und auszuwählen.

Zusammenfassend lässt sich sagen, dass das vorgeschlagene PALM-H3 die Fähigkeit eines groß angelegten Antikörper-Vortrainings und die Wirksamkeit der globalen Merkmalsfusion integriert, was zu einer hervorragenden Affinitätsvorhersageleistung und der Fähigkeit zur Entwicklung hochaffiner Antikörper führt . Darüber hinaus machen die direkte Sequenzgenerierung und die interpretierbare Gewichtsvisualisierung es zu einem effizienten und interpretierbaren Werkzeug für die Entwicklung hochaffiner Antikörper.

Atas ialah kandungan terperinci Mereka bentuk antibodi dari awal, pasukan Tencent dan Universiti Peking telah melatih model bahasa besar dan menerbitkannya dalam sub-jurnal Nature. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
五个时间序列预测的深度学习模型对比总结五个时间序列预测的深度学习模型对比总结May 05, 2023 pm 05:16 PM

MakridakisM-Competitions系列(分别称为M4和M5)分别在2018年和2020年举办(M6也在今年举办了)。对于那些不了解的人来说,m系列得比赛可以被认为是时间序列生态系统的一种现有状态的总结,为当前得预测的理论和实践提供了经验和客观的证据。2018年M4的结果表明,纯粹的“ML”方法在很大程度上胜过传统的统计方法,这在当时是出乎意料的。在两年后的M5[1]中,最的高分是仅具有“ML”方法。并且所有前50名基本上都是基于ML的(大部分是树型模型)。这场比赛看到了LightG

RLHF与AlphaGo核心技术强强联合,UW/Meta让文本生成能力再上新台阶RLHF与AlphaGo核心技术强强联合,UW/Meta让文本生成能力再上新台阶Oct 27, 2023 pm 03:13 PM

在一项最新的研究中,来自UW和Meta的研究者提出了一种新的解码算法,将AlphaGo采用的蒙特卡洛树搜索算法(Monte-CarloTreeSearch,MCTS)应用到经过近端策略优化(ProximalPolicyOptimization,PPO)训练的RLHF语言模型上,大幅提高了模型生成文本的质量。PPO-MCTS算法通过探索与评估若干条候选序列,搜索到更优的解码策略。通过PPO-MCTS生成的文本能更好满足任务要求。论文链接:https://arxiv.org/pdf/2309.150

MIT团队运用机器学习闭环自主分子发现平台,成功发现、合成和描述了303种新分子MIT团队运用机器学习闭环自主分子发现平台,成功发现、合成和描述了303种新分子Jan 04, 2024 pm 05:38 PM

编辑|X传统意义上,发现所需特性的分子过程一直是由手动实验、化学家的直觉以及对机制和第一原理的理解推动的。随着化学家越来越多地使用自动化设备和预测合成算法,自主研究设备越来越接近实现。近日,来自MIT的研究人员开发了由集成机器学习工具驱动的闭环自主分子发现平台,以加速具有所需特性的分子的设计。无需手动实验即可探索化学空间并利用已知的化学结构。在两个案例研究中,该平台尝试了3000多个反应,其中1000多个产生了预测的反应产物,提出、合成并表征了303种未报道的染料样分子。该研究以《Autonom

AI助力脑机接口研究,纽约大学突破性神经语音解码技术,登Nature子刊AI助力脑机接口研究,纽约大学突破性神经语音解码技术,登Nature子刊Apr 17, 2024 am 08:40 AM

作者|陈旭鹏编辑|ScienceAI由于神经系统的缺陷导致的失语会导致严重的生活障碍,它可能会限制人们的职业和社交生活。近年来,深度学习和脑机接口(BCI)技术的飞速发展为开发能够帮助失语者沟通的神经语音假肢提供了可行性。然而,神经信号的语音解码面临挑战。近日,约旦大学VideoLab和FlinkerLab的研究者开发了一个新型的可微分语音合成器,可以利用一个轻型的卷积神经网络将语音编码为一系列可解释的语音参数(例如音高、响度、共振峰频率等),并通过可微分神经网络将这些参数合成为语音。这个合成器

Code Llama代码能力飙升,微调版HumanEval得分超越GPT-4,一天发布Code Llama代码能力飙升,微调版HumanEval得分超越GPT-4,一天发布Aug 26, 2023 pm 09:01 PM

昨天,Meta开源专攻代码生成的基础模型CodeLlama,可免费用于研究以及商用目的。CodeLlama系列模型有三个参数版本,参数量分别为7B、13B和34B。并且支持多种编程语言,包括Python、C++、Java、PHP、Typescript(Javascript)、C#和Bash。Meta提供的CodeLlama版本包括:代码Llama,基础代码模型;代码羊-Python,Python微调版本;代码Llama-Instruct,自然语言指令微调版就其效果来说,CodeLlama的不同版

准确率 >98%,基于电子密度的 GPT 用于化学研究,登 Nature 子刊准确率 >98%,基于电子密度的 GPT 用于化学研究,登 Nature 子刊Mar 27, 2024 pm 02:16 PM

编辑|紫罗可合成分子的化学空间是非常广阔的。有效地探索这个领域需要依赖计算筛选技术,比如深度学习,以便快速地发现各种有趣的化合物。将分子结构转换为数字表示形式,并开发相应算法生成新的分子结构是进行化学发现的关键。最近,英国格拉斯哥大学的研究团队提出了一种基于电子密度训练的机器学习模型,用于生成主客体binders。这种模型能够以简化分子线性输入规范(SMILES)格式读取数据,准确率高达98%,从而实现对分子在二维空间的全面描述。通过变分自编码器生成主客体系统的电子密度和静电势的三维表示,然后通

手机摄影技术让以假乱真的好莱坞级电影特效视频走红手机摄影技术让以假乱真的好莱坞级电影特效视频走红Sep 07, 2023 am 09:41 AM

一个普通人用一台手机就能制作电影特效的时代已经来了。最近,一个名叫Simulon的3D技术公司发布了一系列特效视频,视频中的3D机器人与环境无缝融合,而且光影效果非常自然。呈现这些效果的APP也叫Simulon,它能让使用者通过手机摄像头的实时拍摄,直接渲染出CGI(计算机生成图像)特效,就跟打开美颜相机拍摄一样。在具体操作中,你要先上传一个3D模型(比如图中的机器人)。Simulon会将这个模型放置到你拍摄的现实世界中,并使用准确的照明、阴影和反射效果来渲染它们。整个过程不需要相机解算、HDR

背景与前景控制更加精细,编辑更加快捷:BEVControl的两阶段方法背景与前景控制更加精细,编辑更加快捷:BEVControl的两阶段方法Sep 07, 2023 pm 11:21 PM

本文将介绍一种通过BEVSketch布局来精确生成多视角街景图片的方法在自动驾驶领域,图像合成被广泛应用于提升下游感知任务的性能在计算机视觉领域,提升感知模型性能的一个长期存在的研究难题是通过合成图像来实现。在以视觉为中心的自动驾驶系统中,使用多视角摄像头,这个问题变得更加突出,因为有些长尾场景是永远无法收集到的根据图1(a)所示,现有的生成方法将语义分割风格的BEV结构输入生成网络,并输出合理的多视角图像。在仅根据场景级指标进行评估时,现有方法似乎能合成照片般逼真的街景图像。然而,一旦放大,我

See all articles

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌

Alat panas

Penyesuai Pelayan SAP NetWeaver untuk Eclipse

Penyesuai Pelayan SAP NetWeaver untuk Eclipse

Integrasikan Eclipse dengan pelayan aplikasi SAP NetWeaver.

mPDF

mPDF

mPDF ialah perpustakaan PHP yang boleh menjana fail PDF daripada HTML yang dikodkan UTF-8. Pengarang asal, Ian Back, menulis mPDF untuk mengeluarkan fail PDF "dengan cepat" dari tapak webnya dan mengendalikan bahasa yang berbeza. Ia lebih perlahan dan menghasilkan fail yang lebih besar apabila menggunakan fon Unicode daripada skrip asal seperti HTML2FPDF, tetapi menyokong gaya CSS dsb. dan mempunyai banyak peningkatan. Menyokong hampir semua bahasa, termasuk RTL (Arab dan Ibrani) dan CJK (Cina, Jepun dan Korea). Menyokong elemen peringkat blok bersarang (seperti P, DIV),

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Pelayar Peperiksaan Selamat

Pelayar Peperiksaan Selamat

Pelayar Peperiksaan Selamat ialah persekitaran pelayar selamat untuk mengambil peperiksaan dalam talian dengan selamat. Perisian ini menukar mana-mana komputer menjadi stesen kerja yang selamat. Ia mengawal akses kepada mana-mana utiliti dan menghalang pelajar daripada menggunakan sumber yang tidak dibenarkan.