Vaxformer：用于抗 SARS-CoV-2 疫苗设计的抗原性可控 Transformer
生物大分子
2023-05-22 v1 机器学习
定量方法
摘要
SARS-CoV-2 大流行凸显了开发一种能够预防当前及未来病毒变体的通用疫苗的重要性。本研究提出了一种新颖的条件蛋白质语言模型架构，称为 Vaxformer，旨在生成外观自然且抗原性可控的 SARS-CoV-2 刺突蛋白。我们使用 DDGun 蛋白质稳定性度量、netMHCpan 抗原性评分以及基于 AlphaFold 的结构保真度评分来评估 Vaxformer 模型生成的蛋白质序列，以衡量其在疫苗开发中的可行性。我们的结果表明，Vaxformer 在生成抗原性可控的 SARS-CoV-2 刺突蛋白方面优于现有的最先进条件变分自编码器模型。这些发现表明，条件 Transformer 模型在拓展我们对疫苗设计的理解及其在缓解全球健康挑战中的作用方面具有广阔前景。本研究使用的代码可在 https://github.com/aryopg/vaxformer 获取。
引用
@article{arxiv.2305.11194,
title = {Vaxformer: Antigenicity-controlled Transformer for Vaccine Design Against SARS-CoV-2},
author = {Aryo Pradipta Gema and Michał Kobiela and Achille Fraisse and Ajitha Rajan and Diego A. Oyarzún and Javier Antonio Alfaro},
journal= {arXiv preprint arXiv:2305.11194},
year = {2023}
}