当前位置:
X-MOL 学术
›
Nat. Commun.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
通过深度学习对大量天然抗体进行快速、准确的抗体结构预测
Nature Communications ( IF 14.7 ) Pub Date : 2023-04-25 , DOI: 10.1038/s41467-023-38063-x
Jeffrey A Ruffolo 1 , Lee-Shin Chu 2 , Sai Pooja Mahajan 2 , Jeffrey J Gray 1, 2
Affiliation
|
抗体具有结合多种抗原的能力,它们已成为关键的治疗和诊断分子。一组六个高变环促进了抗体的结合,这些高变环通过基因重组和突变而多样化。即使最近取得了进展,这些环的准确结构预测仍然是一个挑战。在这里,我们提出了 IgFold,一种用于抗体结构预测的快速深度学习方法。 IgFold 由一个预先训练的语言模型组成,该模型在 5.58 亿个天然抗体序列上进行训练,随后是直接预测主干原子坐标的图形网络。与替代方法(包括 AlphaFold)相比,IgFold 可在显着更短的时间内(25 秒以下)预测出相似或更好质量的结构。在这个时间尺度上准确的结构预测使得以前不可行的研究途径成为可能。为了展示 IgFold 的功能,我们预测了 140 万对抗体序列的结构,为比实验确定的结构多 500 倍的抗体提供了结构见解。
![](https://scdn.x-mol.com/jcss/images/paperTranslation.png)
"点击查看英文标题和摘要"