Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Antibody Structure01:10

Antibody Structure

65.8K
Overview
Antibodies, also known as immunoglobulins (Ig), are essential players of the adaptive immune system. These antigen-binding proteins are produced by B cells and make up 20 percent of the total blood plasma by weight. In mammals, antibodies fall into five different classes, which each elicits a different biological response upon antigen binding.
The Y-Shaped Structure of Antibodies Consists of Four Polypeptide Chains
Antibodies consist of four polypeptide chains: two identical heavy...
65.8K
Hybridoma Technology01:31

Hybridoma Technology

17.8K
Hybridoma technology is used for the large-scale production of monoclonal antibodies. Monoclonal antibodies bind to only a single antigenic determinant or epitope. Such antibodies are used in research, diagnostics, and disease therapy. The hybridoma technology established in 1975 by Georges Köhler and Cesar Milstein was awarded the Nobel Prize in Medicine in 1984 for revolutionizing research and therapy.
Hybridoma Selection
Commonly used fusion techniques — electroporation,...
17.8K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

The U-CLEAR study: Uncovering hemodynamic and vascular contributors to chronic refractory lower extremity edema.

Phlebology·2026
Same author

Discovery of a KLHL41 Ligand for Muscle Specific Protein Degradation.

Nature communications·2026
Same author

Pre-snapback mode operation of CMUT for enhanced acoustic performance.

Microsystems & nanoengineering·2026
Same author

A snare technique for valve-in-valve transcatheter aortic valve replacement in a stented coarctation of the aorta: a case report.

Frontiers in cardiovascular medicine·2026
Same author

Shallow Quantum Circuit for Generating Extremely Low-Entangled Approximate State Designs.

Physical review letters·2026
Same author

Mitigating Mn-Driven Interfacial Instability in LiMn<sub>0.5</sub>Fe<sub>0.5</sub>PO<sub>4</sub> Cathodes for Lithium-Ion Batteries via Surface-Intensive Ta Doping.

Small (Weinheim an der Bergstrasse, Germany)·2026

Video Experimental Relacionado

Updated: Feb 17, 2026

Identification of Mouse and Human Antibody Repertoires by Next-Generation Sequencing
08:51

Identification of Mouse and Human Antibody Repertoires by Next-Generation Sequencing

Published on: March 15, 2019

13.1K

IgPose: Una tubería de aumento de datos generativa para la predicción robusta de la unión inmunoglobulina-antígeno

Tien-Cuong Bui1, Injae Chung1, Wonjun Lee1

  • 1Arontier Co., Ltd, Republic of Korea 241 Gangnam-daero, 06735, Seoul.

Bioinformatics (Oxford, England)
|February 15, 2026
PubMed
Resumen

IgPose es un nuevo marco computacional que predice con precisión las poses y puntuaciones de unión de inmunoglobulina-antígeno (Ig-Ag). Aborda la escasez de datos utilizando un pipeline generativo y logra un rendimiento sólido, lo que ayuda al descubrimiento de anticuerpos.

Palabras clave:
inmunologíaanticuerpospredicción de uniónaprendizaje profundoaumento de datosdescubrimiento de anticuerposbiología computacionalbiología estructuralinmunoinformática

Más Videos Relacionados

Generation of Discriminative Human Monoclonal Antibodies from Rare Antigen-specific B Cells Circulating in Blood
13:14

Generation of Discriminative Human Monoclonal Antibodies from Rare Antigen-specific B Cells Circulating in Blood

Published on: February 6, 2018

11.0K
Generation of Recombinant Human IgG Monoclonal Antibodies from Immortalized Sorted B Cells
10:32

Generation of Recombinant Human IgG Monoclonal Antibodies from Immortalized Sorted B Cells

Published on: June 5, 2015

19.4K

Videos de Experimentos Relacionados

Last Updated: Feb 17, 2026

Identification of Mouse and Human Antibody Repertoires by Next-Generation Sequencing
08:51

Identification of Mouse and Human Antibody Repertoires by Next-Generation Sequencing

Published on: March 15, 2019

13.1K
Generation of Discriminative Human Monoclonal Antibodies from Rare Antigen-specific B Cells Circulating in Blood
13:14

Generation of Discriminative Human Monoclonal Antibodies from Rare Antigen-specific B Cells Circulating in Blood

Published on: February 6, 2018

11.0K
Generation of Recombinant Human IgG Monoclonal Antibodies from Immortalized Sorted B Cells
10:32

Generation of Recombinant Human IgG Monoclonal Antibodies from Immortalized Sorted B Cells

Published on: June 5, 2015

19.4K

Área de la Ciencia:

  • Biología computacional
  • Biología estructural
  • Inmunoinformática

Sus antecedentes:

  • La predicción de la unión de inmunoglobulina-antígeno (Ig-Ag) es un desafío debido a los datos experimentales limitados y la predicción inexacta de la estructura de novo.
  • La predicción precisa de los complejos Ig-Ag es crucial para el descubrimiento y la ingeniería de anticuerpos.

Objetivo del estudio:

  • Desarrollar un marco generalizable, IgPose, para la identificación y puntuación precisa de poses de Ig-Ag.
  • Abordar la escasez de datos en la predicción de complejos Ig-Ag a través de un novedoso pipeline generativo de aumento de datos.

Principales métodos:

  • Se construyó la Base de Datos Estructural de Señuelos de Inmunoglobulina (SIDD) con señuelos sintéticos para mitigar la escasez de datos.
  • Se integraron redes neuronales de grafos equivariantes, incrustaciones ESM-2 y unidades recurrentes con compuerta para capturar características geométricas y evolutivas.
  • Se implementó el muestreo k-hop enfocado en la interfaz y la agrupación guiada biológicamente para una generalización mejorada.

Principales resultados:

  • El marco IgPose comprende IgPoseClassifier para la discriminación de poses e IgPoseScore para la estimación de la puntuación DockQ.
  • Logró un rendimiento sólido en conjuntos de prueba internos y el punto de referencia CASP-16, superando a las bases existentes.
  • Demostró capacidades precisas de filtrado y clasificación de poses para el descubrimiento de anticuerpos de alto rendimiento.

Conclusiones:

  • IgPose proporciona una herramienta computacional versátil para avanzar en los pipelines de descubrimiento de anticuerpos.
  • El enfoque generativo del marco y los modelos integrados de aprendizaje profundo mejoran la precisión de la predicción de la unión Ig-Ag.
  • IgPose facilita la identificación y puntuación eficientes de posibles candidatos a anticuerpos.