PulseAugur
实时 12:56:01
English(EN) Conditionally Site-Independent Neural Evolution of Antibody Sequences

新AI模型CoSiNE通过模拟进化增强抗体工程

研究人员开发了CoSiNE,一种用于抗体工程的新型深度学习模型,它超越了传统方法。与将抗体序列视为独立样本的方法不同,CoSiNE明确地模拟了进化过程,并纳入了亲和力成熟的信息。这使得它能够更好地捕捉复杂的上位相互作用,并将选择与体细胞高突变区分开来,在变异效应预测方面优于当前的语言模型。 AI

影响 该模型通过更准确地预测序列进化和结合亲和力,有可能加速治疗性抗体的发现和优化。

排序理由 该集群包含一篇详细介绍用于抗体工程的新AI模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新AI模型CoSiNE通过模拟进化增强抗体工程

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Stephen Zhewen Lu, Aakarsh Vermani, Kohei Sanno, Jiarui Lu, Frederick A Matsen, Milind Jagota, Yun S. Song ·

    抗体序列的条件性位点无关神经进化

    arXiv:2602.18982v4 Announce Type: replace Abstract: Common deep learning approaches for antibody engineering focus on modeling the marginal distribution of sequences. By treating sequences as independent samples, however, these methods overlook affinity maturation as a rich and l…