原始文章

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


站上相關主題文章列表

重要的是找到新的治療和診斷目標,但現有方法有限。透過自然語言處理,開發了新方法,利用生物醫學文獻訓練大型語言模型,預測治療目標。這方法在辨識與老化和年齡相關疾病相關的潛在目標上表現有潛力,包括建議新目標如CCR5和PTH。研究顯示使用語言模型預測目標的有效性,並提供整合人工智慧到生物醫學研究的見解。 PubMed DOI

「深度篩選」是新方法,利用 Illumina HiSeq 平台快速篩選大量抗體-抗原相互作用。透過對抗體文庫進行序列化,將 DNA 轉換為與儀器表面連接的 RNA,再轉譯為抗體,最後使用螢光標記的抗原進行篩選。研究人員發現了對特定抗原具有高親和力的奈米抗體和抗體片段,並成功生成了對目標抗原具有改善親和力的新抗體序列。 PubMed DOI

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

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

COVID-19 持續蔓延第五年,SARS-CoV-2 變異對藥物效果構成挑戰。瞭解病毒與藥物互動,提升效力、對抗抗藥性至關重要。PLFormer-PAF整合歷史數據、預測模型,分析蛋白質-配體互動。轉換複合物為拓撲序列,預測結合親和力,評估病毒變異對藥物效果影響。表現優異,提供SARS-CoV-2相關互動,洞察潛在藥物抗性。指出某些藥物廣泛使用可能導致病毒進化、效力下降。PLFormer-PAF是發現、制定因應COVID-19等快速變異病毒治療策略的重要工具。 PubMed DOI

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

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

這項研究探討如何利用大型語言模型(LLMs)預測蛋白質相變(PPTs),對於理解與年齡相關的疾病如阿茲海默症非常重要。研究者微調了一個LLM,評估蛋白質序列變異對PPTs的影響,結果顯示該模型的表現超越傳統方法,並結合隨機森林模型提升可解釋性。此外,研究發現阿茲海默症相關蛋白質的聚集增加與基因表達下降有關,暗示可能存在自然防禦機制來對抗該疾病。 PubMed DOI

提議的PALM-H3模型旨在簡化抗體設計,專注於生成針對特定抗原的人工抗體,特別是重鏈互補決定區域3(CDRH3),減少了從血清中分離天然抗體的需求,節省資源和時間。此外,A2binder模型可預測抗原與抗體的結合特異性。PALM-H3生成的抗體對SARS-CoV-2抗原,包括XBB變異株,顯示出高結合親和力和強中和能力。透過Roformer架構的注意力機制,增強了模型的可解釋性,為抗體設計提供了重要見解,代表抗體工程的一大進展。 PubMed DOI

藥物抗性在癌症治療中是一大挑戰,尤其是化療和靶向治療的反應率不高。為了解決這個問題,研究團隊開發了名為DrugFormer的新模型,這是一個圖增強的大型語言模型,能預測單細胞層級的藥物抗性。DrugFormer在大量單細胞數據上訓練,表現優異,特別是在難治性多發性骨髓瘤和急性髓性白血病的數據分析中,成功識別抗藥性細胞並揭示其分子機制。這項技術有助於個性化治療策略的發展。 PubMed DOI