HyperAIHyperAI

Command Palette

Search for a command to run...

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

CM Deane I Moal N Wahome L Chinery

Zusammenfassung

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.


KI mit KI entwickeln

Von der Idee bis zum Launch – beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und bestem GPU-Preis.

KI-gestütztes kollaboratives Programmieren
Sofort einsatzbereite GPUs
Die besten Preise

HyperAI Newsletters

Abonnieren Sie unsere neuesten Updates
Wir werden die neuesten Updates der Woche in Ihren Posteingang liefern um neun Uhr jeden Montagmorgen
Unterstützt von MailChimp
Absatz—Antikörper-Paratop-Vorhersage mittels Graph Neural Networks mit minimalen Merkmalsvektoren | Paper | HyperAI