详细内容或原文请订阅后点击阅览
一种新的计算模型可以更准确地预测抗体结构
利用该模型，研究人员可能能够识别出可以针对多种传染病的抗体药物。
来源:MIT新闻 - 人工智能通过采用被称为大型语言模型的人工智能模型，研究人员在根据蛋白质序列预测蛋白质结构的能力方面取得了巨大进步。然而，这种方法对抗体并不那么成功，部分原因是这种类型的蛋白质具有高度变异性。
为了克服这一限制，麻省理工学院的研究人员开发了一种计算技术，使大型语言模型能够更准确地预测抗体结构。他们的工作可以让研究人员筛选数百万种可能的抗体，以确定哪些抗体可用于治疗 SARS-CoV-2 和其他传染病。
“我们的方法可以让我们扩大规模，而其他方法则不能，以至于我们实际上可以在大海捞针，”西蒙斯数学教授、麻省理工学院计算机科学与人工智能实验室 (CSAIL) 计算与生物学小组负责人、新研究的资深作者之一 Bonnie Berger 说。 “如果我们能帮助阻止制药公司用错误的东西进行临床试验，那真的可以节省很多钱。”
该技术专注于对抗体的高变区进行建模，也有可能分析个体的整个抗体库。这可能有助于研究对艾滋病毒等疾病有超级反应的人的免疫反应，以帮助弄清楚为什么他们的抗体能如此有效地抵御病毒。
本周出现在《美国国家科学院院刊》上 美国国家科学院院刊建模高变性
建模高变性由此产生的计算模型称为 AbMap，可以根据抗体的氨基酸序列预测抗体结构和结合强度。为了证明该模型的实用性，研究人员用它来预测能强烈中和 SARS-CoV-2 病毒刺突蛋白的抗体结构。
比较抗体