抗体亲和力增强17倍，百奥几何、复旦团队AI方法模拟细微蛋白质互作，登Nature子刊

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | 萝卜皮 提高抗体与其靶抗原的结合亲和力是抗体疗法开发中的关键任务。 复旦大学与百奥几何（BioGeometry）团队联合推出了 一种可预训练的几何图神经网络 GearBind，展示了其在抗体亲和力成熟中的潜力。 通过多关系图构建、几何消息传递和大规模未标记蛋白质数据的预训练，GearBind 在多个测试集上的表现优于现有方法。 研究人员基于 GearBind 推导出一个强大的集成模型，成功用于增强两种不同抗体的结合能力，实验数据显示设计的抗体突变体显著提升了性能。 该研究以「 Pretrainable geometric graph neural network for antibody affinity maturation 」为题，于 2024 年 9 月 6 日发布在《 Nature Communications 》。 抗体在免疫系统中具有关键作用，并因其高亲和力的特异性结合能力，被广泛用于诊断和治 ………………………………