抗体亲和力预测的主动学习方法
机器学习
2024-06-12 v1 定量方法
机器学习
摘要
大多数前沿优化方案的首要目标是增强配体的结合亲和力。对于大分子如抗体而言，识别增强抗体亲和力的突变尤其具有挑战性，因为可能的突变呈指数级增长。当抗体-抗原复合物的结构已知时，相对结合自由能（RBFE）方法可为理解不同突变对药物候选物的亲力和选择性产生的影响提供宝贵的见解，从而减少对昂贵且耗时的实验室实验的依赖。然而，准确模拟大分子的物理过程计算负担沉重。我们提出了一个主动学习框架，迭代提议模拟器评估的有前景的序列，从而加快寻找更佳结合体的速度。我们探讨了不同的建模方法，以识别此任务中最有效的代理模型，并使用预计算的数据池以及在真实环境中的全环设置对我们的框架进行评估。
引用
@article{arxiv.2406.07263,
title = {Active learning for affinity prediction of antibodies},
author = {Alexandra Gessner and Sebastian W. Ober and Owen Vickery and Dino Oglić and Talip Uçar},
journal= {arXiv preprint arXiv:2406.07263},
year = {2024}
}