文献

J-GLOBAL ID：202202268881153006   整理番号：22A0740489

解釈可能な深層学習を用いた抗体構造予測【JST・京大機械翻訳】

Antibody structure prediction using interpretable deep learning

著者 (5件)： Ruffolo Jeffrey A. (Program in Molecular Biophysics, The Johns Hopkins University, Baltimore, MD 21218, USA) ,  Sulam Jeremias (Department of Biomedical Engineering, The Johns Hopkins University, Baltimore, MD 21218, USA) ,  Sulam Jeremias (Mathematical Institute for Data Science, The Johns Hopkins University, Baltimore, MD 21218, USA) ,  Gray Jeffrey J. (Program in Molecular Biophysics, The Johns Hopkins University, Baltimore, MD 21218, USA) ,  Gray Jeffrey J. (Department of Chemical and Biomolecular Engineering, The Johns Hopkins University, Baltimore, MD 21218, USA)
資料名： Patterns  (Patterns)
巻： 3  号： 2  ページ： Null  発行年： 2022年 
JST資料番号： W6439A  ISSN： 2666-3899  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 治療用抗体は,生物製剤市場の急速に成長するセグメントを構成する。しかし,抗体の合理的設計は抗体構造を決定するための実験方法への依存によって妨げられる。ここでは,配列から正確な抗体F_V構造を予測するための深い学習法であるDeepAbを提示する。構造的に多様な,治療的に関連する抗体のセットでDeepAbを評価し,著者らの方法が一貫して主要な選択肢より優れていることを見出した。以前の深層学習法は「ブラックボックス」として動作し,それらの予測にわずかな洞察を提供する。直接解釈可能な注意機構を導入することによって,著者らのネットワークが物理的に重要な残基対(例えば,近位芳香族化合物と重要な水素結合相互作用)を物理的に重要なことを示した。最後に,ネットワーク信頼性に由来する新規変異体スコアリング計量を示し,特定の抗体に対して,トップランク変異の8つ全てが結合親和性を改善することを示した。本モデルは広範囲の抗体予測と設計作業に有用である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  水素結合 ,  *学習 ,  ネットワーク ,  予測 ,  *抗体 ,  生物学的製剤 ,  ブラックボックス ,  親和性 ,  *機械学習
準シソーラス用語： 結合親和性 ,  スコア化 ,  判断能力 ,  構造予測 ,  蛋白質構造予測 ,  ネットワーク信頼性 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 抗体設計 ,  深層学習 ,  蛋白質構造予測 ,  モデル解釈可能性

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (3件)： 深層学習 ,  抗体 ,  構造予測