Graylab/IgFold

해결하는 문제

IgFold는 항체의 아미노산 서열에서 3D 구조를 빠르고 정확하게 예측하는 도구입니다. 이는 항체가 표적과 어떻게 상호작용하는지 이해하는 데 중요하며, 신약 개발 및 생물학 연구에 필수적입니다.

작동 방식

IgFold는 자연 항체의 대규모 데이터셋으로 학습된 딥러닝을 사용합니다. 항체 서열을 처리하기 위해 AntiBERTy라는 사전 학습된 언어 모델을 활용합니다. 이 시스템은 항체 가변 도메인(Fv)의 백본과 CB 원자를 예측할 수 있으며, OpenMM 또는 PyRosetta와 같은 도구를 사용하여 이러한 예측을 전체 원자 구조로 더 정제할 수 있습니다. 또한 템플릿 구조를 사용하여 돌연변이 또는 특정 변이체의 예측을 안내하는 것도 지원합니다.

대상 사용자

고가의 실험 방법에만 의존하지 않고 항체 구조를 빠르고 정확하게 모델링해야 하는 구조 생물학자, 생화학자 및 제약 연구자를 위해 설계되었습니다.

주요 특징

• 빠른 예측: CPU에서 몇 초 만에 구조를 예측할 수 있습니다.
• 유연한 입력: FASTA 파일 또는 명령줄 인수를 통해 쌍을 이루는 Fv, 나노바디 또는 단일 사슬을 지원합니다.
• 전체 원자 정제: OpenMM 및 PyRosetta와 통합하여 전체 원자 구조를 구축하고 완화합니다.
• 템플릿 지원: 기존 PDB 구조를 템플릿으로 사용하여 예측을 안내할 수 있으며, 특정 CDR 영역을 무시하는 기능이 있습니다.
• 표준화된 출력: 예측 RMSD를 B-인자 열에 저장한 PDB 또는 mmCIF 형식으로 구조를 생성합니다.