ACS JCIM (化学信息与建模)· Ryan W. Penhallurick, Scott Dean·· 6 天前精选AI 评分65
研究基准评测Boltz-2、Chai-1与AlphaFold3的病毒纳米抗体表位预测
Benchmarking Machine Learning Models for Viral Nanobody Epitope Prediction
AI 导读
【摘要级】研究以AF3训练截止后沉积的病毒抗原-纳米抗体复合物为数据集，基准评测Boltz-2、Chai-1和AlphaFold3三种结构预测模型的表位预测表现。AF3在单种子下界面DockQ>0.23的成功率为33%，每靶10个和100个种子时升至50%和65%，Boltz-2与Chai-1分别为18%和30%。
推荐理由
研究在AF3训练截止后沉积的病毒抗原纳米抗体复合物上比较三种结构预测模型，为表位预测的模型选择与置信度筛选提供参照。
来源：ACS JCIM (化学信息与建模) · doi.org