亲和力预测¶
亲和力预测是基于抗原-抗体复合物的结构，预测亲和力的任务，用 \(K_D\) (mol) 表示。
任务难点¶
- 数据噪声：公开的亲和力数据来自各个实验室，由于实验条件迥异，数据之间往往不可比，使用这些数据很难训练出高质量的模型。
- 模型不准确：基于物理方法的模型，难以兼顾准确性和计算量；基于机器学习的模型中，许多未经严格的数据划分，结果虚高，不适应真实场景需求。
功能亮点¶
- 精准预测：模型经蛋白质复合物大数据预训练，在原子、氨基酸等多尺度进行建模，融合了角度、二面角等几何信息，能够精准预测抗原抗体间的亲和力。
- 批量计算：支持一个任务提交多个结构到云端进行批量预测。
输入¶
要提交亲和力预测作业，请打开项目编辑器 然后从 "Characterization" 下拉菜单中选择 "Affinity Prediction"。
- Complex: 需上传目标抗体-抗原复合物的 PDB/mmCIF 格式。该结构可以从本地计算机上传，然后由云数据库导入，或者由 GeoBiologics 作业生成。
- Job Name: 作业的名称。注意作业的名称在整个项目中不能重复。
模型 & 参数¶
您可以使用我们自研的 GeoAffinity 模型来运行本任务。并且不需要提供额外的参数。
结果¶
在文件和作业面板中单击作业名称以查看作业结果。
结果的总结存储在 CSV 文件中，可以通过单击总结表格右上方的"
"按钮下载。
总结表格包括一下的列：
- name: 复合物的名称, 和输入相同。
- \(K_D\) (mol): 复合物预测的亲和力结果。
