AffinityFlow：用于抗体亲和力成熟的引导流动

抗体因其广泛应用于治疗而备受青睞，但其开发需要高昂的亲和力成熟费用，这涉及通过迭代突变来增强结合亲和力。本文探讨了仅使用抗体和抗原序列的亲和力成熟场景。最近的 AlphaFlow 将 AlphaFold 包装在流匹配中，以生成多样化的蛋白质结构，从而实现序列条件下的结构生成模型。基于此，我们提出了交替优化框架：（1）固定序列以结构为基础的亲和力预测器引导结构生成 toward高亲和力，然后（2）应用逆折叠创建序列突变，通过序列为基础的亲和力预测器进行精炼。一个关键挑战是缺乏用于训练两类预测器的标记数据。为此，我们开发了一种共教学模块，将噪声生物物理能量中的有价值信息纳入预测器 refinement。序列为基础的预测器选择共识样本来教授结构为基础的预测器，反之亦然。我们的方法 AffinityFlow 在亲和力成熟实验中实现了最先进的性能。我们计划在接受后开源代码。