💡
原文中文，约3300字，阅读约需8分钟。
📝
内容提要
腾讯AI Lab与北京大学深圳研究生院和西京消化病医院研究团队合作，提出了一种预训练抗体生成大语言模型（PALM-H3），用于从头生成具有所需抗原结合特异性的人工抗体CDRH3，减少对天然抗体的依赖。同时，还设计了一个高精度的抗原-抗体结合预测模型A2binder。该研究建立了一个用于抗体生成和评估的人工智能框架，有望加速抗体药物的开发。
🎯
关键要点
- 腾讯AI Lab与北京大学深圳研究生院和西京消化病医院合作，提出预训练抗体生成大语言模型PALM-H3。
- PALM-H3用于从头生成具有所需抗原结合特异性的人工抗体CDRH3，减少对天然抗体的依赖。
- 研究还设计了高精度的抗原-抗体结合预测模型A2binder，能够预测结合特异性和亲和力。
- 该研究建立了一个人工智能框架，有望加速抗体药物的开发。
- 抗体药物在生物治疗中发挥重要作用，能够选择性地针对病毒和癌细胞等致病因子。
- 抗体药物的开发过程复杂，仍然依赖于天然抗体的分离和优化。
- PALM-H3是一个类似transformer的模型，结合了抗原模型和抗体模型进行抗体生成。
- A2binder能够准确预测抗原抗体结合概率和亲和力，表现优于基线模型。
- PALM-H3生成的抗体与天然抗体存在显著序列差异，但结合概率未受显著影响。
- 体外实验验证了PALM-H3设计的抗体在结合亲和力和中和效力上优于天然抗体。
- PALM-H3集成了大规模抗体预训练能力，具有卓越的亲和力预测性能和设计高亲和力抗体的能力。
➡️
