Модель для предсказания структуры антител: масштабируемая и точная

 ABodyBuilder3: A Scalable and Precise Model for Antibody Structure Prediction






ABodyBuilder3: Масштабируемая и точная модель для прогнозирования структуры антител

ABodyBuilder3: Масштабируемая и точная модель для прогнозирования структуры антител

Точное прогнозирование структуры антител является ключевым для разработки моноклональных антител, играющих важную роль в иммунных реакциях и терапевтических применениях. Антитела имеют две тяжелые и две легкие цепи, а их переменные области содержат шесть петель CDR, критически важных для связывания с антигенами. Петля CDRH3 представляет наибольшую сложность из-за своего разнообразия. Традиционные экспериментальные методы определения структуры антител часто медленны и затратны. В результате вычислительные методы, такие как IgFold, DeepAb, ABlooper, ABodyBuilder и новые модели, такие как xTrimoPGLMAb, становятся эффективными инструментами для точного прогнозирования структуры антител.

Разработка ABodyBuilder3

Исследователи из Exscientia и Университета Оксфорда разработали ABodyBuilder3, усовершенствованную модель для прогнозирования структуры антител. Новая модель улучшает точность прогнозирования петель CDR за счет интеграции встраивания языковой модели. ABodyBuilder3 также улучшает прогнозирование структуры с помощью улучшенных техник релаксации и вводит тест локального различия расстояний (pLDDT) для более точной оценки неопределенностей. Ключевые улучшения включают обновления кураторства данных, представление последовательностей и процессы уточнения структуры. Эти усовершенствования делают ABodyBuilder3 масштабируемым решением для точной оценки множества терапевтических кандидатов антител.

Улучшение моделирования структуры антител

Для улучшения моделирования структуры антител исследователи разработали более эффективную и масштабируемую версию ABodyBuilder2, интегрируя векторизацию и оптимизации из OpenFold. Используя смешанную точность и bfloat16 для обучения, им удалось достичь более чем в три раза более быстрого выполнения и эффективного использования памяти. Обучаясь на структурной базе данных антител (SAbDab), они фильтровали выбросы, ультрадлинные петли CDRH3 и структуры низкого разрешения для уточнения своего набора данных. Они использовали большой набор проверки и тестирования, сфокусированный на человеческих антителах, чтобы улучшить устойчивость модели. Стратегии уточнения с использованием OpenMM и YASARA улучшили точность структуры, особенно в рамочной области антител, приводя к значительным улучшениям по сравнению с ABodyBuilder2.

Использование языковой модели и оценка неопределенности

Для улучшения моделирования структуры антител исследователи заменили кодирование one-hot в ABodyBuilder2 встраиваниями из языковой модели ProtT5, которая предварительно обучена на миллиардах последовательностей белков. Они создали отдельные встраивания для тяжелых и легких цепей и объединили их для полной переменной области. Хотя они тестировали антителоспецифические модели, такие как IgT5 и IgBert, общие языковые модели для белков показали себя лучше, вероятно, избегая проблем, таких как загрязнение набора данных и переобучение. Используя ProtT5, они установили более низкую начальную скорость обучения и настроили планировщик скорости обучения для стабильности. Новая модель, ABodyBuilder3-LM, показала сниженное значение RMSD, особенно для петель CDRH3 и CDRL3.

Оценка неопределенности в прогнозировании структуры антител

ABodyBuilder3 заменяет подход на основе ансамбля уверенности ABodyBuilder2 оценками lDDT-Cα на каждый аминокислотный остаток, используемыми в AlphaFold2. Этот метод, который предсказывает точность непосредственно из одной модели, значительно снижает вычислительные затраты. Оценка pLDDT рассчитывается путем проецирования предсказаний на уровне остатков в корзины с помощью нейронной сети, а затем сравнения их с эталонными структурами. Этот подход улучшает корреляцию между предсказанной неопределенностью и RMSD, особенно с встраиваниями ProtT5. Оценки pLDDT модели эффективно предсказывают точность областей CDR, с высокими оценками, указывающими на более низкое значение RMSD в ключевых областях, таких как CDRH3.

В заключение

ABodyBuilder3 — это усовершенствованная модель прогнозирования структуры антител, основанная на ABodyBuilder2, с ключевыми улучшениями для улучшенной масштабируемости и точности. Модель достигает лучшей производительности путем оптимизации использования аппаратного обеспечения и улучшения методов обработки данных и прогнозирования структуры. Внедрение встраивания языковой модели, особенно для области CDRH3, и использование оценок pLDDT для оценки неопределенности заменяют необходимость в вычислительно интенсивных ансамблевых моделях. В будущем можно исследовать самодистилляционные методики и предварительное обучение на синтетических наборах данных для улучшения точности прогнозирования. Кроме того, объединение pLDDT с ансамблевыми подходами может улучшить результаты, несмотря на более высокие вычислительные требования.

Проверьте статью. Вся заслуга за это исследование принадлежит исследователям этого проекта. Также не забудьте подписаться на наш Twitter. Присоединяйтесь к нашему каналу в Telegram, группе в Discord и LinkedIn.

Если вам нравится наша работа, вам понравится наша рассылка.

Не забудьте присоединиться к нашему сообществу в Reddit.

Источник: MarkTechPost

Использование ABodyBuilder3 для вашего бизнеса

Если вы хотите, чтобы ваша компания развивалась с помощью искусственного интеллекта (ИИ) и оставалась в числе лидеров, грамотно используйте ABodyBuilder3: A Scalable and Precise Model for Antibody Structure Prediction.

Как ИИ может изменить вашу работу

Проанализируйте, как ИИ может изменить вашу работу. Определите, где возможно применение автоматизации: найдите моменты, когда ваши клиенты могут извлечь выгоду из AI.

Ключевые показатели эффективности (KPI)

Определитесь какие ключевые показатели эффективности (KPI): вы хотите улучшить с помощью ИИ.

Постепенное внедрение ИИ

Подберите подходящее решение, сейчас очень много вариантов ИИ. Внедряйте ИИ решения постепенно: начните с малого проекта, анализируйте результаты и KPI. На полученных данных и опыте расширяйте автоматизацию.

Если вам нужны советы по внедрению ИИ, пишите нам на Telegram.

Попробуйте ИИ ассистент в продажах здесь. Этот ИИ ассистент в продажах, помогает отвечать на вопросы клиентов, генерировать контент для отдела продаж, снижать нагрузку на первую линию.

Узнайте, как ИИ может изменить ваши процессы с решениями от Flycode.ru.


Мобильная разработка на заказ и готовые решения

Мобильная разработка

Готовые и индивидуальные решения

Веб решения - разработка сайтов и сервисов

Web решения

Получите бесплатную консультацию по веб-разработке прямо сейчас

Аутсорсинг, подбор специалистов и команд разработки

Аутсорсинг

Выберите своего специалиста сегодня и начните свой проект

Новости

  • Itinai.com it company office background blured photography by e4139fc1 862c 4177 9de9 70fb39c5af9e 1

    NovelSeek: Революция в автономных научных исследованиях с помощью ИИ

    Введение в NovelSeek: революция в научных исследованиях Научные исследования требуют высокой экспертизы для генерации гипотез, проектирования экспериментов и анализа результатов. NovelSeek — это система ИИ, которая автономно управляет всем процессом научного открытия. Как…

  • Itinai.com it company office background blured photography by 0b545732 d29f 4839 a448 751a77ba1563 2

    WINA: Эффективная активация нейронов для оптимизации вывода больших языковых моделей

    Преобразование Идентификации Нейронов с Помощью WINA Microsoft представила WINA (Weight Informed Neuron Activation) — инновационную структуру, позволяющую эффективно использовать большие языковые модели (LLMs) без необходимости в обучении. Это решение помогает компаниям оптимизировать производительность…

  • Itinai.com it company office background blured photography by 12fe5e49 d0a5 47b8 a36f 0071089d22c3 0

    Трансформация клиентского опыта с помощью агентного ИИ

    Превращение клиентского опыта с помощью агентного ИИ Понимание агентного ИИ Агентный ИИ — это системы с интеллектуальными агентами, которые могут запоминать прошлые взаимодействия, рассуждать о процессах и принимать решения без постоянного вмешательства человека.…

  • Itinai.com it company office background blured photography by 2f4c6499 6d9f 413b 8dd8 10c4ad53e96c 1

    Адаптивные Модели Рассуждений для Эффективного Решения Проблем в ИИ

    Введение Данная статья обсуждает два инновационных концепта в области искусственного интеллекта: Модели Адаптивного Рассуждения (ARM) и Ada-GRPO. Эти модели помогают повысить эффективность и масштабируемость решения задач в AI, особенно в области рассуждений. Понимание…

  • Itinai.com it company office background blured photography by 48cb21e9 ed8f 4a55 9f5b 4570e52f1cce 2

    Создание масштабируемой системы коммуникации между агентами с использованием ACP в Python

    «`html Практическое руководство по созданию масштабируемой системы коммуникации для агентов Введение Создание эффективной системы коммуникации между агентами важно для бизнеса, стремящегося использовать искусственный интеллект. Этот подход позволяет улучшить бизнес-процессы и повысить качество обслуживания…

  • Itinai.com it company office background blured photography by a4b45723 df9d 4684 b150 bb2c5790acc8 0

    Ограничения многомодальных моделей в физическом рассуждении: результаты PHYX Benchmark

    Понимание Ограничений Мультимодальных Основных Моделей в Физическом Рассуждении Введение в Мультимодальные Основные Модели Недавние достижения в области мультимодальных основных моделей сделали шаги вперед в различных областях, включая математику и логическое рассуждение. Однако они…

  • Itinai.com it company office background blured photography by 0b545732 d29f 4839 a448 751a77ba1563 0

    Запуск Yambda: крупнейший набор данных для систем рекомендаций от Яндекса

    Введение в набор данных Yambda от Yandex Yandex недавно запустил Yambda — набор данных, который значительно улучшает возможности рекомендательных систем. Он содержит почти 5 миллиардов анонимизированных взаимодействий пользователей с Yandex Music, что позволяет…

  • Itinai.com it company office background blured photography by 2f4c6499 6d9f 413b 8dd8 10c4ad53e96c 2

    Биомни: Революция в автоматизации биомедицинских исследований с помощью ИИ

    Biomni: Трансформация биомедицинских исследований с помощью ИИ Проблемы в биомедицинских исследованиях Биомедицинские исследования сталкиваются с рядом серьезных проблем: Перегрузка данными: Огромные объемы данных затрудняют работу исследователей. Интеграция инструментов: Сложности с объединением различных инструментов…

  • Itinai.com it company office background blured photography by 12fe5e49 d0a5 47b8 a36f 0071089d22c3 3

    Улучшение LLM с помощью интерливинг-рассуждений для более быстрых и точных ответов

    Введение в Интерливинг Резонанс Исследователи из Apple и Университета Дьюка разработали инновационный подход, называемый Интерливинг Резонанс, который улучшает производительность больших языковых моделей (LLMs), позволяя им предоставлять промежуточные ответы во время сложного решения задач.…

  • Itinai.com it company office background blured photography by 93e48de1 e0a4 4327 bf1a 5249ee257f75 2

    DeepSeek R1-0528: Революция в открытом ИИ

    Решения для бизнеса с применением DeepSeek R1-0528 Модель DeepSeek R1-0528 представляет собой значительный шаг вперед в области открытого ИИ. Ниже приведены практические бизнес-решения на основе её возможностей. Преимущества для бизнеса и реальной жизни…

  • Itinai.com it company office background blured photography by d266ecb7 1141 4fd8 a45e d7242fbf1e9e 1

    Создание самообучающегося ИИ-агента с помощью API Gemini от Google

    Практическое руководство по созданию самообучающегося AI-агента с использованием Google’s Gemini API Введение В современном деловом мире внедрение искусственного интеллекта (AI) становится ключевым фактором успеха. Этот гайд поможет вам разработать самообучающегося AI-агента, который будет…

  • Itinai.com it company office background blured photography by 342dc52c d1e8 48a5 a450 02825b0d4c2b 2

    Samsung представляет ANSE: Улучшение моделей текст-в-видео с активным выбором шума

    Практические бизнес-решения на основе ANSE Исследования Samsung представили ANSE — революционный фреймворк для улучшения моделей текст-видео. Вот как это можно применить в бизнесе для повышения эффективности и качества. Преимущества ANSE для бизнеса Улучшение…

  • Itinai.com it company office background blured photography by 12fe5e49 d0a5 47b8 a36f 0071089d22c3 1

    WEB-SHEPHERD: Инновационная модель вознаграждений для эффективной навигации в сети

    Решения для бизнеса с использованием WEB-SHEPHERD WEB-SHEPHERD предлагает практические решения для бизнеса, которые могут значительно улучшить эффективность работы и повысить качество обслуживания клиентов. Вот как это можно реализовать: 1. Повышение эффективности WEB-SHEPHERD предоставляет…

  • Itinai.com it company office background blured photography by 724d9f47 b65a 445e b4b5 b5939a7eba28 1

    Dimple: Новый Модель Языкового Генератора для Бизнеса

    Введение в Dimple Исследователи Национального университета Сингапура разработали Dimple, новую модель, которая улучшает генерацию текста с помощью инновационных технологий. Эта модель, известная как Дискретная Диффузионная Мультимодальная Языковая Модель (DMLLM), сочетает визуальные и текстовые…

  • Itinai.com it company office background blured photography by 342dc52c d1e8 48a5 a450 02825b0d4c2b 2

    Улучшение математического мышления с помощью обучения с подкреплением

    Улучшение математического мышления с помощью обучения с подкреплением Введение Недавние достижения в области искусственного интеллекта (ИИ) привели к инновационным методам улучшения математического мышления в моделях. Одним из таких подходов является обучение с подкреплением…

  • Itinai.com it company office background blured photography by 0b545732 d29f 4839 a448 751a77ba1563 0

    Интерактивный анализ видео с помощью AI и Lyzr Chatbot Framework

    Преобразование видео-контента в действенные инсайты с помощью ИИ В современном цифровом мире компаниям необходимо эффективно извлекать ценную информацию из мультимедийных ресурсов. Использование искусственного интеллекта может значительно улучшить этот процесс, особенно при анализе транскриптов…

  • Itinai.com it company office background blured photography by 431ba571 009a 4ead 8847 7d3b7a613a24 0

    MMaDA: Унифицированная Модель Мультимодального Диффузии для Бизнеса

    Унифицированная многомодальная диффузионная модель для бизнес-приложений Преимущества MMaDA для бизнеса MMaDA (Многомодальная диффузионная модель для текстового анализа, визуального понимания и генерации изображений) значительно упрощает интеграцию различных типов данных, что приводит к более эффективным…

  • Itinai.com it company office background blured photography by 2f4c6499 6d9f 413b 8dd8 10c4ad53e96c 3

    Мягкое мышление: новое слово в рассуждениях ИИ

    Понимание изменений в рассуждении ИИ Большие языковые модели (LLM) традиционно полагаются на дискретные языковые токены для обработки информации. Этот метод, хотя и эффективен для простых задач, ограничивает способность модели рассуждать в сложных или…