Graylab/IgFold

解决的问题

IgFold提供了一种从抗体氨基酸序列快速准确预测其3D结构的方法。这对于理解抗体如何与靶标相互作用至关重要，是药物发现和生物学研究的基础。

工作原理

IgFold使用在大量天然抗体数据集上训练的深度学习。它利用名为AntiBERTy的预训练语言模型来处理抗体序列。该系统可以预测抗体可变域（Fv）的主链和CB原子，并可使用OpenMM或PyRosetta等工具将这些预测进一步细化为全原子结构。它还支持使用模板结构来指导突变体或特定变体的预测。

适用对象

它专为结构生物学家、生物化学家和制药研究人员设计，他们需要快速准确地建模抗体结构，而不必完全依赖昂贵的实验方法。

亮点

• 快速预测：能够在CPU上几秒内预测结构。
• 灵活输入：通过FASTA文件或命令行参数支持配对的Fv、纳米抗体或单链。
• 全原子细化：与OpenMM和PyRosetta集成，构建和松弛全原子结构。
• 模板支持：允许使用现有PDB结构作为模板来指导预测，并可忽略特定CDR区域。
• 标准化输出：以PDB或mmCIF格式生成结构，预测的RMSD存储在B因子列中。