北京大学研究团队提出了一种通用病毒进化预测模型E2VD,基于进化论视角,解决病毒变异关键问题。该模型通过定制化蛋白质语言模型和创新设计,显著提高稀有有益突变的预测精度,助力疫苗和药物设计,增强应对新发病毒的能力。
研究人员利用人工智能预测病毒进化,特别是SARS-CoV-2和流感病毒。AI工具能够识别成功的突变,但长期预测仍面临挑战。新模型EVEscape和CoVFit有助于疫苗设计和变体适应性分析。研究者希望通过更多数据提高预测准确性,以更好理解病毒的进化潜力。
本文介绍了基于VHHs结构建立的大规模数据集AVIDa-hIL6,包含573,891个抗原-VHHs序列对,用于预测抗体-抗原相互作用。研究者提出了基于预训练模型的抗体设计方法,开发了AntiBERTy语言模型,并提出了IgBert和IgT5模型,推动抗体工程的发展。此外,研究还探讨了Vaxformer模型在疫苗设计中的应用及抗病毒药物资源库的建立。
完成下面两步后,将自动完成登录并继续当前操作。