Nat.Commun. | GearNet续作！GearBind模型助力抗体亲和力成熟

文章预览

DRUG AI 今天为大家介绍的是来自唐建团队的一篇论文。提高抗体对靶抗原的结合亲和力是抗体开发中的关键任务。这篇文章提出了一个可预训练的几何图神经网络GearBind，并探索了该网络在亲和力成熟（affinity maturation）中的应用潜力。GearBind有着以下三个特性（1）构建多关系图（2）多层次的几何消息传递（3）在大量无监督蛋白结构数据上进行对比学习预训练，使得它在SKEMPI和独立测试集上的模型性能优于先前的sota方法。基于GearBind，作者构建了一个强力的集成模型，成功地增加了两个抗体的结合，即使这两个抗体的格式与靶抗原截然不同。设计的抗体突变体的ELISA EC50值最多降低17倍，KD值最多降低了6.1倍。这些好的实验结果显示了几何深度学习与预训练在大分子反应建模任务中的用处。 抗体在人体免疫系统中起着重要作用，并因其能够选择性且高 ………………………………