机构名称：
¥ 1.0
动机：识别抗体结合位点，对于开发疫苗和治疗性抗体至关重要，这些抗体是耗时且昂贵的过程。准确地预测了伞形结合位点，可以通过提高我们对抗体 - 抗原相互作用的理解来加快发展的速度。结果：我们提出了Parasurf，这是一个深度学习模型，可通过纳入表面几何和非几何因素来显着增强副群预测。对三种突出的抗体 - 抗原基准测试和测试，帕苏尔夫几乎在几乎所有指标中都取得了最先进的结果。与仅限于可变区域的模型不同，Parasurf证明了能够准确预测抗体整个FAB区域的结合得分的能力。此外，我们使用所采用的三个数据集中最大的分析进行了广泛的分析，重点介绍了三个关键组成部分：（1）对每个互补性确定区域环路的Paratope预测的详细评估，（2）模型的性能在重链上独家培训，以及（3）重型训练模型的结果，而无需将重型链置于重型链中。可用性和实现：Parasurf的源代码，以及所使用的数据集，预处理管道和经过训练的模型权重，可在https://github.com/aggelos-michael-michael-papadopoulos/parasurf上免费获得。联系人：angepapa@iti.gr，axenop@iti.gr补充信息：补充数据可从BioInformatics Online获得。
大象诱导多能干细胞的推导 parasurf大象诱导多能干细胞的推导parasurf
主要关键词
相关文件推荐
