💡
原文中文，约2000字，阅读约需5分钟。
📝
内容提要
斯坦福大学科学家开发了一种基于机器学习的新方法，能够更快、更准确地预测导致更好抗体药物的分子变化。他们结合了蛋白质骨架的3D结构和基于氨基酸序列的大型语言模型，在几分钟内找到罕见且理想的突变。这种方法有助于应对新出现或正在发展的疾病，并降低了制造更有效药物的门槛。
🎯
关键要点
- 斯坦福大学科学家开发了一种基于机器学习的新方法，能够更快、更准确地预测抗体药物的分子变化。
- 该方法结合了蛋白质骨架的3D结构和基于氨基酸序列的大型语言模型，能够在几分钟内找到理想的突变。
- 研究表明，增强蛋白质结构主干坐标的通用蛋白质语言模型可以指导不同蛋白质的进化。
- 结构引导方法可以间接研究蛋白质适应度景观，广泛应用于不同环境中的蛋白质。
- 这种方法对人类抗体的进化特别有价值，能够优化抗体以治疗多种疾病。
- 研究人员通过该方法筛选了约30种用于治疗SARS-CoV-2感染的抗体变体，显著提高了中和作用和亲和力。
- 这一工具将有助于快速应对新出现或正在发展的疾病，并降低制造更有效药物的门槛。
➡️
