标签
最新研究表明,像 Evo 2 这样的基因组语言模型能够通过少量示例进行上下文学习,生成蛋白质、从头设计的抗体、CRISPR-Cas9 基因座、线粒体基因组,甚至完整的噬菌体,并通过思维链式的迭代提示实现更具挑战性的设计目标。
Anthropic与Divergence Labs合作,利用其Claude模型在数周内生成了约35000种抗体设计方案,其中部分候选抗体在实验室测试中清除细胞结合IgE的效果优于Xolair,从而加速了食物过敏治疗的研究进程。
Arc Institute 宣布 Germinal 诞生,这是一个生成式 AI 系统,用于从头设计抗体,已发表在 Nature Biotechnology 上。它设计表位靶向抗体,具有纳摩尔亲和力,每个靶点仅需测试几十种设计,使定制抗体设计更加便捷。
Nabla Bio发布了JAM-2,这是一个用于零样本药物设计的模型,实现了原子精度、计算设计的多特异性抗体以及双变异KRAS多特异性抗体,具有高效力和选择性,并通过冷冻电镜和湿实验室实验进行了验证。
本文识别了现有抗体设计方法中的三种失败模式(抗原盲区、词汇崩溃、收敛到边缘分布),并提出 AgForce,一种使用图神经网络和混合密度网络的新型编码器-解码器架构,在 Chimera-Bench 基准测试上实现了最先进的结合质量和序列恢复。
ConTact 提出了一种接触优先(contact-then-act)架构用于抗体CDR设计,该架构将任务显式分解为界面推理、接触预测和接触门控序列生成三个阶段,在Chimera-Bench基准测试上实现了最先进的结构质量和表位感知能力。
本文介绍了一种具有新颖“胚系吸收”特性的离散扩散模型,以改善抗体序列的条件生成。该模型解决了蛋白质语言模型中的胚系偏差问题,并在优化抗体结合亲和力和可开发性方面表现出优于现有方法(如 EvoProtGrad)的性能。