IMGT/LIGM-DB

新的基于偏好的学习框架增强抗体设计

研究人员开发了一种新颖的基于偏好的学习框架，以改进抗体表达排名，这是抗体设计中的关键步骤。该方法利用稀缺的定量表达数据以及来自免疫数据的海量弱阳性监督数据。通过调整用于蛋白质语言模型的Direct Preference Optimization (DPO)并结合基于IMGT的对齐，该框架可以高效地在可变长度序列上进行训练。在大量内部数据集上的评估表明，该方法始终优于现有基线，为数据受限场景下优化抗体可表达性提供了可扩展的解决方案。