Absatz—Antikörper-Paratop-Vorhersage mittels Graph Neural Networks mit minimalen Merkmalsvektoren

Zusammenfassung: Die Entwicklung neuer Impfstoffe und Antikörpermittel erfordert typischerweise mehrere Jahre und Investitionen von über 1 Milliarde US-Dollar. Ein präzises Wissen um den Paratop (die Antikörper-Bindungsstelle) kann diesen Prozess beschleunigen und die Kosten senken, indem es unser Verständnis der Antikörper-Antigen-Bindung verbessert. Wir stellen Paragraph vor, ein strukturbasiertes Werkzeug zur Vorhersage von Paratopen, das gegenwärtige state-of-the-art-Methoden unter Verwendung einfacher Merkmalsvektoren und ohne Verwendung von Antigeninformationen übertrifft. Verfügbarkeit und Implementierung: Der Quellcode ist kostenlos über www.github.com/oxpig/Paragraph erhältlich. Kontakt: [email protected]. Ergänzende Informationen: Zusätzliche Daten sind online bei Bioinformatics verfügbar.