3 个月前

基于图神经网络与最小特征向量的抗体互补决定区预测

基于图神经网络与最小特征向量的抗体互补决定区预测

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-1Paragraph
AUC-PR: 0.725
AUC-ROC: 0.934
antibody-antigen-binding-prediction-on-mipeParagraph
AUC-PR: 0.650
AUC-ROC: 0.927
antibody-antigen-binding-prediction-on-pecanParagraph
AUC-PR: 0.696
AUC-ROC: 0.934

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
基于图神经网络与最小特征向量的抗体互补决定区预测 | 论文 | HyperAI超神经