摘要
摘要:新型疫苗和抗体治疗药物的开发通常需要数年时间,并且投资超过10亿美元。准确掌握抗原表位(paratope,即抗体结合位点)信息,能够加速研发进程并降低成本,从而深化对抗体-抗原结合机制的理解。本文介绍了一款名为Paragraph的基于结构的抗原表位预测工具,该工具在不依赖抗原信息的前提下,仅使用更简化的特征向量,即可超越当前最先进的预测方法。可用性与实现:源代码可免费获取,访问地址为 www.github.com/oxpig/Paragraph。联系邮箱:deane@stats.ox.ac.uk。补充信息:补充数据可在 Bioinformatics 在线期刊获取。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| antibody-antigen-binding-prediction-on-1 | Paragraph | AUC-PR: 0.725 AUC-ROC: 0.934 |
| antibody-antigen-binding-prediction-on-mipe | Paragraph | AUC-PR: 0.650 AUC-ROC: 0.927 |
| antibody-antigen-binding-prediction-on-pecan | Paragraph | AUC-PR: 0.696 AUC-ROC: 0.934 |