벼랑끝 바이오 매드 컴퓨터 사이언티스트

https://biomadscientist.tistory.com/185 DeepInterAware 논문 리뷰 (1) 모델 구조https://pmc.ncbi.nlm.nih.gov/articles/PMC11967782/ DeepInterAware: Deep Interaction Interface‐Aware Network for Improving Antigen‐Antibody Interaction Prediction from SequenceAbstract Identifying interactions between candidate antibodies and target antbiomadscientist.tistory.com이 논문 배울점이 많다. 모델 설명도 구체적이고 아이디어도 뭐 엄청나게 신박하지는 않지만..

https://pmc.ncbi.nlm.nih.gov/articles/PMC11967782/ DeepInterAware: Deep Interaction Interface‐Aware Network for Improving Antigen‐Antibody Interaction Prediction from SequenceAbstract Identifying interactions between candidate antibodies and target antigens is a key step in developing effective human therapeutics. The antigen–antibody interaction (AAI) occurs at the structural level, but the lim..

https://academic.oup.com/bib/article/25/4/bbae304/7705533서열 기반의 Antigen-Antibody Affinity change prediction 모델 Introduction매번 나오는 똑같은 Ab 이야기, 항체가 therapeutics에 효율적이다...specificity가 좋고 toxicity가 낮고 strong한 효과를 보인다...그러나 이런 Ab를 찾는데 기존 wet-lab 기반으로는 많은 시간과 돈을 들여야하는 단점이 있다.찾아야하는 sequence space가 너무 넓어서 wet-lab기반으로는 한계가 있다. 그러니 computational method가 필요하고 실제로 ML기반의 method들이 유망한 결과를 보였다 등 ..항체 최적화는 solu..

https://pubs.acs.org/doi/10.1021/acs.jcim.5c00410항체-단백질 복합체 데이터셋 생산에 대한 논문을 작성중이라 관련 논문을 찾아 읽어볼 필요가 있어서 정리해본다. 아마 이 논문이 우리가 진행하려던 아이디어와 상당부분 유사하기에 번역하듯 조금 꼼꼼히 읽으려한다. 1. Introduction1. Antibody 구조설명 VL, VH, Fab, Fc, Fv, CDRs (1~3) 2. Antibody의 CDR을 computational method를 통해서 optimization 해온 역사, 특히 AI 기반이면서 structure-based model들이 가장 유망한 결과를 보임 그러나 데이터의 부재를 문제점으로 지적함3. 현존하는 DB들의 문제점을 언급PDB에 antibod..

https://www.biorxiv.org/content/10.1101/2022.07.10.499510v5 Antigen-Specific Antibody Design and Optimization with Diffusion-Based Generative Models for Protein StructuresAntibodies are immune system proteins that protect the host by binding to specific antigens such as viruses and bacteria. The binding between antibodies and antigens is mainly determined by the complementarity-determining regio..

간단 요약 1. 모델이름 : HyperAttentionDTI 2. 저널 : Bioinformatics(IF 6.0 ~ 7.0) 3. Published date : 2022 / 02 4. BenchMark Datasets : DrugBank, Davis, KIBA 5. Main model architectures : Compound : chracterwise Embedding + stacked 1D-CNN Protien : chracterwise Embedding + stacked 1D-CNN Drug-Protein Cross-Attention Global Max Pooling 6. Interaction map idea : simple concatenation btw. drug, prot represent..