Antibody Design (MEAN)

简介

Antibody Design (MEAN)模块基于MEAN模型实现，该模型采用多通道等变图注意力网络，可用于设计CDR的一维序列和三维结构。具体而言，MEAN 通过导入额外的结构信息（包括目标抗原和抗体的轻链）将抗体设计公式化为条件图翻译问题。然后，MEAN重新采用 E(3)-等变消息传递以及提出的注意机制来更好地捕捉不同结构信息之间的几何相关性。最后，它通过多轮渐进式全景模式输出一维序列和三维结构，与以前的自回归方法相比，它具有更高的效率和精度。MEAN在序列和结构建模、抗原结合CDR设计和结合亲和力优化方面明显超越了届时最优模型。具体而言，抗原结合CDR设计相对于基线模型改进约为23%，亲和力优化相对于基线模型改进约为34%。
MEAN模型架构如下图所示：

参数说明

Structure PDB File

抗体-抗原复合物结构或抗体结构（建议采用复合物结构，设计效果更佳），PDB格式

Heavy Chain

指定结构中的抗体重链名称，默认值为H，注意如果上传的结构中抗体重链命名非H，请修改该参数为相应的链名

Light Chain

指定结构中的抗体轻链名称，默认值为L，注意如果上传的结构中抗体轻链命名非L，请修改该参数为相应的链名

Design Type

设计模式，有两种设计模式：CDR-H3设计与亲和力优化（Optimized）

Number

亲和力优化中，生成的结构数量，默认值为100

TopN

指定输出亲和力最优的前N个突变对应的序列，默认为100。

Output_Chain_Seq

输出TopN对应的突变链的序列，默认为mutant_seqs.fasta。

Output_Cpx_Seq

输出TopN对应的复合物序列，复合物中各链之间用冒号:分隔（Boltz2结构预测的批量模式），默认为mutant_seqs_complex.fasta。

结果说明

CDR-H3设计

输出结果包括：

亲和力优化

输出结果包括：

其中，ddg_scores.txt文件，包含信息如下：

输出TopN对应的突变链的序列mutant_seqs.fasta。
输出TopN对应的复合物序列mutant_seqs_complex.fasta，复合物中各链之间用冒号:分隔（Boltz2结构预测的批量模式）。

参考文献

Xiangzhe Kong, Wenbing Huang, Yang Liu. Conditional Antibody Design as 3D Equivariant Graph Translation. arXiv. 2023.