生成抗体的生成GNN：Iterative Refinement Graph Neural Network for Antibody Sequence-Structure Co-design

网址： Iterative Refinement Graph Neural Network for Antibody Sequence-Structure Co-design | OpenReview

ICLR 2022的高分论文[8，8，8]，目前没有给代码

内容：抗体结合的特异性是由这些Y形蛋白末端的互补决定区(CDR)决定的。这篇论文提出了一个生成模型来同时生成CDR序列和相应的结构，并具有迭代修改已生成子图的能力

有关抗体设计的一些问题

• 挑战：CDR序列的组合搜索空间到了20的60次方，而同时满足亲和力、稳定性与可合成性的解空间较小

• CDR生成的三个关键问题
  1. 如何对序列及其底层3D结构之间的关系进行建模-->同时设计
     1. 不考虑结构生成序列会导致次优性能
     2. 预定义结构再生成序列不适合抗体，因为结构很少是先验已知的
  2. 如何在给定序列(上下文)剩余部分的情况下对CDR的条件分布进行建模，注意力方法忽略了结构，而结构也是至关重要的
  3. 如何针对各种属性进行模型优化。传统基于物理的模型关注结合能最小化，本文模型关注的更多

抗体的组成

• 抗体由一个重链（heavy chain）和一个轻链（light chain）组成，每个重链由一个可变区variable domain (VH/VL)和一些恒定区constant domain 组成。可变区进一步划分为框架区和三个补充性决定区(CDR)。重链上的三个CDR被标记为CDR-H1、CDR-H2、CDR-H3，每个CDR占据一个连续的序列。作为抗体中变异最大的部分，CDRs是结合和中和的主要决定因素-->抗体的设计任务可以认为是CDR的生成任务
  • 

模型结构

• 本文只关注VH的CDR的生成，VL的同理
  • VH可表示为氨基酸的序列𝑠=𝑠1𝑠2…𝑠𝑛,其中每个si可称为残基（residue）
  • 残基的值为20中氨基酸中的一个，或者<MASK>
  • 使用主干坐标将其折叠为3D结构
    • 阿尔法碳：𝑥𝑖,𝛼
    • 碳原子：𝑥𝑖,𝑐