End-to-End Full-Atom Antibody Design

要約

抗体の設計は、治療法や生物学などのさまざまな分野において、不可欠だが困難な作業です。
現在の学習ベースの方法には 2 つの大きな欠陥があります。1) 抗体設計パイプライン全体の特定のサブタスクのみに取り組んでおり、最適ではない、またはリソースを大量に消費することになります。
2) フレームワーク領域または側鎖のいずれかを省略しているため、完全な原子の形状を捉えることができません。
これらの落とし穴に対処するために、エピトープと抗体の不完全配列を考慮した E(3) 等価抗体設計のためのエンドツーエンドの全原子モデルである動的マルチチャネル等変 grAph ネットワーク (dyMEAN) を提案します。
具体的には、まず抗体構造の知識に基づいた推測として構造の初期化を検討し、次にエピトープと抗体の結合を架橋するシャドウパラトープを提案します。
1D シーケンスと 3D 構造は両方とも、完全な原子を考慮した場合に可変サイズのタンパク質残基を処理できる適応型マルチチャネル等変エンコーダーを介して更新されます。
最後に、更新された抗体は、シャドウ パラトープの整列を介してエピトープにドッキングされます。
エピトープ結合 CDR-H3 の設計、複雑な構造予測、および親和性の最適化に関する実験により、エンドツーエンドのフレームワークと全原子モデリングの優位性が実証されました。

要約(オリジナル)

Antibody design is an essential yet challenging task in various domains like therapeutics and biology. There are two major defects in current learning-based methods: 1) tackling only a certain subtask of the whole antibody design pipeline, making them suboptimal or resource-intensive. 2) omitting either the framework regions or side chains, thus incapable of capturing the full-atom geometry. To address these pitfalls, we propose dynamic Multi-channel Equivariant grAph Network (dyMEAN), an end-to-end full-atom model for E(3)-equivariant antibody design given the epitope and the incomplete sequence of the antibody. Specifically, we first explore structural initialization as a knowledgeable guess of the antibody structure and then propose shadow paratope to bridge the epitope-antibody connections. Both 1D sequences and 3D structures are updated via an adaptive multi-channel equivariant encoder that is able to process protein residues of variable sizes when considering full atoms. Finally, the updated antibody is docked to the epitope via the alignment of the shadow paratope. Experiments on epitope-binding CDR-H3 design, complex structure prediction, and affinity optimization demonstrate the superiority of our end-to-end framework and full-atom modeling.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google