Nat. Commun. | 基于预训练几何图神经网络的抗体亲和力优化研究

文章预览

2024年9月6日，来自Yanling Wu、Tianlei Ying和Jian Tang研究团队的Huiyu Cai、Zuobai Zhang和Mingkai Wang等人在 Nature Communications 期刊上发表了一篇题为“ Pretrainable geometric graph neural network for antibody affinity maturation ”的研究文章。 该文章提出了一种可预训练的几何图神经网络GearBind，用于提高抗体与抗原的结合亲和力 。研究团队通过 多层几何信息传递和大规模无标签蛋白质结构数据的对比预训练 ，使GearBind在抗体亲和力成熟任务中表现出色。文章不仅展示了模型在实验中的优异表现，还强调了几何深度学习和预训练在大分子相互作用建模中的潜力，为抗体药物开发提供了新的思路和技术手段。这一研究对抗体亲和力优化及更广泛的药物发现应用具有重要意义。 关键字 对比学习 | 蛋白质结构设计 | 几何图注意力机制 引言 抗体在免疫系统中具有重要作用，既可用于 ………………………………