研究人员开发了EMBER,一种用于预测T细胞受体(TCR)和肽-MHC(pMHC)结合的新型框架。与需要对接复合物的传统方法不同,EMBER分析独立折叠的TCR和pMHC结构,将它们编码为SE(3)-不变的残基图。这种方法绕过了复合物对接中固有的放置误差,从而提高了各种折叠工具的准确性和稳定性。与基于复合物的预测器相比,EMBER在预处理单体折叠方面所需的操作更少,因此具有计算优势。 AI
影响 这一新框架有望通过提高预测免疫应答的准确性和效率来加速药物发现和个性化医疗。
排序理由 该集群描述了一篇详细介绍用于生物结合预测的新型计算框架的科学论文。
在 Hugging Face Daily Papers 阅读 →
- arXiv
- EMBER
- Hugging Face
- SE(3)-Transformers: 3D Roto-Translation Equivariant Attention Networks
- TCR--pMHC
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →