Large language models generate functional protein sequences across diverse families.
大型語言模型在各種家族中生成功能性蛋白質序列。 Nat Biotechnol 2023-10-03

ProGen是一個深度學習模型，可以像製造句子一樣，生成具有特定功能的蛋白質序列。透過大量蛋白質數據訓練後，ProGen可以微調，提升生成目標蛋白質的能力。這個模型可以創造人工蛋白質，效率與天然蛋白質相當，即使序列不同。適用於不同蛋白質家族，如輔酶A轉移酶和丙酮酸脫氫酶。 PubMed DOI

Generating interacting protein sequences using domain-to-domain translation.
利用區域對區域轉譯生成交互蛋白序列。 Bioinformatics 2023-07-18

設計新型蛋白質對生物醫學領域至關重要。一種新方法利用統計模型，受自然語言處理啟發，用於設計氨基酸序列。這方法專注於生成蛋白質結構域序列，而非單一蛋白質。通過將問題視為結構域間翻譯，模型可生成配對序列。經評估發現，此方法優於現有策略，並探討了預訓練語言模型和Alphafold 2的應用。更多資訊可於GitHub取得。 PubMed DOI

Improving antibody optimization ability of generative adversarial network through large language model.
透過大型語言模型提升生成對抗網絡的抗體優化能力。 Comput Struct Biotechnol J 2023-12-11

AbGAN-LMG是一種新型生成對抗網路，利用語言模型改進高品質抗體的生成。研究指出AbGAN-LMG在COVID-19和MERS-CoV抗體上的應用，提升生成序列的多樣性和品質。對抗體AZD-8895的研究發現，超過50%的生成序列具有更佳性質。分子對接確認了70種抗體對SARS-CoV-2 RBD的親和力高於AZD-8895。AbGAN-LMG結合語言模型與GANs，提升抗體優化效率。詳情請見：http://39.102.71.224:88/。 PubMed DOI

Inverse folding of protein complexes with a structure-informed language model enables unsupervised antibody evolution.
利用結構資訊語言模型進行蛋白質複合物的反向折疊，實現無監督抗體進化。 bioRxiv 2024-02-10

透過大型語言模型訓練，結合蛋白結構資訊，可以引導蛋白演化，提升功能。這種策略非監督式學習，能夠優化蛋白結構，增強功能。研究已成功應用於提升對抗SARS-CoV-2的抗體效力，改善對病毒變異體的中和和親和力。逆向折疊方法優於其他機器學習引導的進化方式，成功率高，且無需特定訓練數據。 PubMed DOI

For antibody sequence generative modeling, mixture models may be all you need.
抗體序列生成建模，混合模型可能是您所需的全部。 Bioinformatics 2024-04-23

研究人員開發了SAM生成模型，可分析人體抗體序列，辨識人類序列並超越大型模型。SAM可生成新序列並快速評估人性。研究提供抗體序列編號快速工具，詳情請見連結。 PubMed DOI

BiSpec Pairwise AI: guiding the selection of bispecific antibody target combinations with pairwise learning and GPT augmentation.
BiSpec Pairwise AI：利用成對學習和 GPT 增強指導雙特異性抗體靶點組合的選擇。 J Cancer Res Clin Oncol 2024-05-07

研究者利用機器學習模型和大型語言模型，透過檢索增強生成方法，預測並生成可解釋的BsAbs分析報告。結合XGBoost和GPT模型，討論BsAbs藥物的有效性，協助製藥公司做出更明智的決策。這項研究創新之處在於整合機器學習和GPT技術，提升了預測的精確性和可解釋性。 PubMed DOI

Unsupervised evolution of protein and antibody complexes with a structure-informed language model.
蛋白質和抗體複合物的無監督進化與結構資訊語言模型。 Science 2024-07-04

透過序列數據訓練的語言模型可學習蛋白質設計原則，但蛋白功能受結構影響。結合語言模型與結構資訊，可引導蛋白演化，改良抗SARS-CoV-2抗體，增強對病毒變異的中和能力。整合結構數據有助於找出有效蛋白演化路徑，無需特定訓練。 PubMed DOI

AntiFormer: graph enhanced large language model for binding affinity prediction.
AntiFormer：圖形增強的大型語言模型用於結合親和力預測。 Brief Bioinform 2024-08-20

抗體在免疫防禦和治療中扮演重要角色，其效能透過親和力成熟過程增強。傳統技術測量抗體結合親和力困難，因此我們提出了AntiFormer，一個基於圖形的語言模型，能更準確預測抗體親和力。AntiFormer經過廣泛評估，表現優於現有方法，能快速提供準確預測。它在SARS-CoV-2患者樣本中識別出強中和抗體，並分析流感疫苗反應，揭示年輕人和老年人之間的免疫反應差異。這項研究強調了大克隆型類別在免疫調節中的重要性，顯示AntiFormer在抗體診斷和治療上的潛力。 PubMed DOI

Generative artificial intelligence performs rudimentary structural biology modeling.
生成式人工智慧執行基本的結構生物學建模。 Sci Rep 2024-08-21

這項研究探討了GPT-4在基本結構生物學任務上的表現。研究人員讓GPT-4創建20種氨基酸和一條α-螺旋多肽的3D模型，並用Wolfram進行數學計算。他們還分析了抗病毒藥物nirmatrelvir與SARS-CoV-2主要蛋白酶的結構互動。結果顯示，生成的結構大多與實驗數據一致，雖然在某些複雜分子上會有錯誤。總體來看，GPT-4在結構生物學建模和原子尺度互動分析上仍具有效性，儘管有些限制。 PubMed DOI

PB-GPT: An innovative GPT-based model for protein backbone generation.
PB-GPT：一種創新的基於GPT的蛋白質主鏈生成模型。 Structure 2024-08-22

這項研究探討了先進計算方法在蛋白質骨架設計與修改上的創新應用，對於蛋白質功能及疾病治療影響重大。研究團隊開發了名為PB-GPT的模型，透過代碼本量化和壓縮字典，將蛋白質骨架結構轉換為獨特編碼格式。該模型在多個數據集上訓練與評估，顯示出生成複雜且真實蛋白質骨架的能力，模仿自然蛋白質結構，顯示大型語言模型在蛋白質結構設計上的潛力。 PubMed DOI

原始文章

站上相關主題文章列表