【抗体】抗体の抗原結合親和性を予測する深層学習モデル DG-Affinity とは。

論文タイトル

DG-Affinity: predicting antigen–antibody affinity with language models from sequences

出典

DG-Affinity: predicting antigen–antibody affinity with language models from sequences - BMC Bioinformatics

Background Antibody-mediated immune responses play a crucial role in the immune defense of human body. The evolution of bioengineering has led the progress of a...

要旨

抗体の抗原結合親和性を予測する深層学習モデル DG-Affinity の紹介です。

解説など

本論文の問題設定としては、抗原と抗体の構造情報を活用せずに、配列から抗体・抗原ペア間の結合親和性を予測することです。

これまで同種のニーズに対しては、構造情報に基いて経験的な力場を活用した物理化学的な手法が開発されてきました。代表的なツールに、Rosetta、Discovery Studio、FoldX などがあります。

近年では、配列または構造情報を利用し深層学習モデルから結合親和性を予測する手法も、下記の通り数多く公開されています。

PIPR：配列ベースの手法。residual RCNNを利用。
CSM-AB：構造ベースのジオメトリー情報を活用。Extra Treesアルゴリズムを利用。
AREA-AFFINITY：構造ベースのモデル。混合モデル。

筆者らが開発した DG-Affinity も、これらの深層学習モデルを活用した手法の１つです。その特徴は、ConvNeXt というネットワークの活用にあります。ConvNeXt ネットワークは畳み込み層で構成されており、ビジョントランスフォーマーと ResNet のアーキテクチャからインスピレーションを得たものです。ConvNeXt は、そのマクロな設計や大きなカーネルサイズなどを活かして、モデルのパフォーマンスを向上させます。

このConvNeXtを利用した抗原結合親和性予測モデルである DG-Affinityでは、学習用のデータセットとして、