«`html
ABodyBuilder3: Масштабируемая и точная модель для предсказания структуры антител
Точное предсказание структуры 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, а их переменные области содержат шесть петель CDR, которые критически важны для связывания с антигенами. Петля CDRH3 представляет наибольшую сложность из-за своего разнообразия. Традиционные экспериментальные методы определения структуры антител часто являются медленными и затратными. В результате вычислительные методы, такие как IgFold, DeepAb, ABlooper, ABodyBuilder и новые модели, такие как xTrimoPGLMAb, становятся эффективными инструментами для точного предсказания структуры антител.
Практические решения и ценность:
Исследователи из Exscientia и Университета Оксфорда разработали ABodyBuilder3, усовершенствованную модель для предсказания структуры антител. Новая модель ABodyBuilder3 улучшает точность предсказания петель CDR путем интеграции вложений языковой модели. ABodyBuilder3 также улучшает предсказания структуры с помощью улучшенных методов релаксации и вводит тест локального различия расстояний (pLDDT) для более точной оценки неопределенностей. Ключевые улучшения включают обновления кураторства данных, представления последовательностей и процессов уточнения структуры. Эти усовершенствования делают ABodyBuilder3 масштабируемым решением для точной оценки множества кандидатов на терапевтические антитела.
Для улучшения моделирования 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 для уточнения своего набора данных. Они использовали большой набор проверки и тестирования, сосредоточенный на человеческих антителах, чтобы улучшить устойчивость модели. Стратегии уточнения с помощью OpenMM и YASARA улучшили точность структуры, особенно в рамке антитела, приводя к значительным улучшениям по сравнению с ABodyBuilder2.
Для улучшения моделирования структуры антител исследователи заменили кодирование one-hot в ABodyBuilder2 вложениями из языковой модели ProtT5, которая предварительно обучена на миллиардах последовательностей белков. Они создали отдельные вложения для тяжелых и легких цепей и объединили их для полной переменной области. Хотя они тестировали антитело-специфические модели, такие как IgT5 и IgBert, общие языковые модели белков показали лучшие результаты, вероятно, избегая проблем, таких как загрязнение набора данных и переобучение. Используя ProtT5, они установили более низкую начальную скорость обучения и настроили планировщик скорости обучения для стабильности. Эта новая модель, ABodyBuilder3-LM, показала сниженное значение RMSD, особенно для петель CDRH3 и CDRL3.
Для улучшения оценки неопределенности в предсказаниях структуры антител ABodyBuilder3 заменяет подход на основе ансамбля уверенности ABodyBuilder2 на оценки lDDT-Cα на каждый остаток, как в AlphaFold2. Этот метод, предсказывающий точность непосредственно из одной модели, значительно снижает вычислительные затраты. Оценка показателя pLDDT рассчитывается путем проецирования предсказаний на уровне остатков в корзины с помощью нейронной сети, а затем сравнения их с эталонными структурами. Этот подход улучшает корреляцию между предсказанной неопределенностью и RMSD, особенно с вложениями ProtT5. Показатели pLDDT модели эффективно предсказывают точность областей CDR, с высокими показателями, указывающими на более низкое значение RMSD в ключевых областях, таких как CDRH3.
В заключение, ABodyBuilder3 — это усовершенствованная модель предсказания структуры антител, основанная на ABodyBuilder2, с ключевыми улучшениями для улучшения масштабируемости и точности. Модель достигает лучшей производительности путем оптимизации использования аппаратного обеспечения и уточнения методов обработки данных и предсказания структуры. Внедрение вложений языковой модели, особенно для области CDRH3, и использование показателей pLDDT для оценки неопределенности заменяют необходимость в вычислительно интенсивных ансамблевых моделях. В будущем можно исследовать самодистилляционные методики и предварительное обучение на синтетических наборах данных для улучшения точности предсказаний. Кроме того, объединение показателя pLDDT с ансамблевыми подходами может улучшить результаты, несмотря на более высокие вычислительные требования.
Проверьте 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 44k+ ML SubReddit
Опубликовано на MarkTechPost.
ABodyBuilder3: Масштабируемая и точная модель для предсказания структуры антител
Если вы хотите, чтобы ваша компания развивалась с помощью искусственного интеллекта (ИИ) и оставалась в числе лидеров, грамотно используйте ABodyBuilder3: A Scalable and Precise Model for Antibody Structure Prediction.
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!
«`
