机器学习在抗体发现和优化方面的应用
Jiayao Zheng1, Yu Wang2, Qianying Liang2
1School of Pharmacy & School of Biological and Food Engineering, Changzhou University, Changzhou 213164, China.
Molecules (Basel, Switzerland)
|January 8, 2025
概括
机器学习 (ML) 模型正在彻底改变抗体的发现和优化. 与传统方法相比,这些人工智能方法显著减少了时间和成本,加速了新抗体治疗方法的开发.
科学领域:
- 生物技术是生物技术.
- 计算生物学 计算生物学
- 免疫学 免疫学 免疫学
背景情况:
- 抗体在医学中对于诊断和治疗至关重要.
- 传统的抗体发现是缓慢而昂贵的.
- 数据,硬件和机器学习方面的进步提供了新的可能性.
研究的目的:
- 审查基于机器学习的抗体发现和优化的最新进展.
- 将ML方法与传统方法进行比较.
- 探索未来的方向和道德考虑.
主要方法:
- 对抗体设计中的ML当前文献的综述.
- 分析ML模型在in silico抗体生成方面的能力.
- 讨论时间和成本效益.
主要成果:
- ML模型允许快速的,in silico抗体设计.
- 显著的时间缩短 (大约. 60%) 和成本 (大约. 50%) 是可以实现的.
- 在克服传统方法的局限性方面,ML显示出有前途.
结论:
- 机器学习正在改变抗体的发现和优化.
- 未来的研究应该专注于人工智能代理和数据基础设施.
- 伦理和监管框架对于ML的采用至关重要.
