الصفحة الرئيسية>المتعلقة بالبرمجة>كود الذكاء الاصطناعي
تنزيل

Ablang: نموذج لغة للأجسام المضادة

الدافع: تبين أن نماذج لغة البروتين العامة تلخص دلالات تسلسل البروتين إلى تمثيلات مفيدة للطرق التنبؤية الحديثة. ومع ذلك ، بالنسبة للمشاكل المحددة للأجسام المضادة ، مثل استعادة البقايا المفقودة بسبب أخطاء التسلسل ، قد يكون النموذج المدرب فقط على الأجسام المضادة أكثر قوة. تعد الأجسام المضادة واحدة من أنواع البروتين القليلة التي يتوفر فيها حجم بيانات التسلسل المطلوبة لنماذج اللغة هذه ، على سبيل المثال في قاعدة بيانات مساحة الأجسام المضادة المرصودة (OAS).

النتائج: هنا ، نقدم Ablang ، وهو نموذج لغة تم تدريبه على تسلسل الأجسام المضادة في قاعدة بيانات OAS. نوضح قوة Ablang باستخدامه لاستعادة البقايا المفقودة في بيانات تسلسل الأجسام المضادة ، وهي مشكلة رئيسية في تسلسل ذخيرة مستقبلات B-Cell ، على سبيل المثال ، تفتقد أكثر من 40 ٪ من تسلسل OAS الأحماض الأمينية الخمسة عشر الأولى. يستعيد Ablang البقايا المفقودة لتسلسل الأجسام المضادة بشكل أفضل من استخدام خطوط الجراثيم IMGT أو نموذج لغة البروتين العام ESM-1B. علاوة على ذلك ، لا يتطلب Ablang معرفة خط الجرثومة للجسم المضاد وهو أسرع بسبع مرات من ESM-1B.

التوفر والتنفيذ: Ablang عبارة عن حزمة Python متوفرة على https://github.com/oxpig/ablang.

تثبيت Ablang

Ablang متاح بحرية ويمكن تثبيته مع PIP. 

    pip install ablang

أو مباشرة من جيثب. 

    pip install -U git+https://github.com/oxpig/AbLang.git

NB: إذا كنت تستخدم الوسيطة "align = true" ، فأنت بحاجة إلى تثبيت إصدار من Anarci يدويًا في نفس البيئة. يمكن أيضًا تثبيت Anarci باستخدام Bioconda ؛ ومع ذلك ، يتم الحفاظ على هذا الإصدار من قبل طرف ثالث. 

    conda install -c bioconda anarci

حالات استخدام Ablang

يمكن العثور على دفتر Jupyter الذي يوضح حالات الاستخدام المختلفة لـ Ablang وبناتها البناء هنا.

حاليًا ، يمكن استخدام Ablang لإنشاء ثلاثة تمثيل/تشفيرات مختلفة لتسلسل الأجسام المضادة.

  1. RES-Codings: هذه الترميزات هي 768 قيمة لكل بقايا ، مفيدة لتنبؤات محددة بقايا.

  2. SEQ-Codings: هذه الترميزات هي 768 قيمًا لكل تسلسل ، مفيدة لتوقعات التسلسل المحددة. نفس طول الترميز لكل تسلسل ، يعني أن هذه الترميزات تزيل أيضًا الحاجة إلى مواءمة تسلسل الأجسام المضادة.

  3. Res-Kieliurodes: هذه الترميزات هي احتمالية كل حمض أميني في كل موضع في تسلسل جسم مضاد معين ، مفيدة لاستكشاف الطفرات المحتملة. يتبع ترتيب الأحماض الأمينية مفردات Ablang.

يمكن استخدام هذه التمثيلات لعدد كبير من تطبيقات تصميم الأجسام المضادة. على سبيل المثال ، استخدمنا res resbirodes من Ablang لاستعادة البقايا المفقودة في تسلسل الأجسام المضادة بسبب أخطاء التسلسل ، مثل القواعد الغامضة ، أو قيود تقنيات التسلسل المستخدمة.

استعادة تسلسل الأجسام المضادة

يمكن إجراء استعادة تسلسل الأجسام المضادة باستخدام وضع "استعادة" كما هو موضح أدناه. 

 import ablang

heavy_ablang = ablang.pretrained("heavy") # Use "light" if you are working with light chains
heavy_ablang.freeze()


seqs = [
    'EV*LVESGPGLVQPGKSLRLSCVASGFTFSGYGMHWVRQAPGKGLEWIALIIYDESNKYYADSVKGRFTISRDNSKNTLYLQMSSLRAEDTAVFYCAKVKFYDPTAPNDYWGQGTLVTVSS',
    '*************PGKSLRLSCVASGFTFSGYGMHWVRQAPGKGLEWIALIIYDESNK*YADSVKGRFTISRDNSKNTLYLQMSSLRAEDTAVFYCAKVKFYDPTAPNDYWGQGTL*****',
]

heavy_ablang(seqs, mode='restore')

يظهر ناتج أعلاه أدناه. 

 array(['EVQLVESGPGLVQPGKSLRLSCVASGFTFSGYGMHWVRQAPGKGLEWIALIIYDESNKYYADSVKGRFTISRDNSKNTLYLQMSSLRAEDTAVFYCAKVKFYDPTAPNDYWGQGTLVTVSS',
       'QVQLVESGGGVVQPGKSLRLSCVASGFTFSGYGMHWVRQAPGKGLEWIALIIYDESNKYYADSVKGRFTISRDNSKNTLYLQMSSLRAEDTAVFYCAKVKFYDPTAPNDYWGQGTLVTVSS'],
      dtype='<U121')

لاستعادة عدد غير معروف من المخلفات المفقودة في نهايات تسلسل الأجسام المضادة ، يمكن ضبط المعلمة "المحاذاة" على صحيح. 

 seqs = [
    'EV*LVESGPGLVQPGKSLRLSCVASGFTFSGYGMHWVRQAPGKGLEWIALIIYDESNKYYADSVKGRFTISRDNSKNTLYLQMSSLRAEDTAVFYCAKVKFYDPTAPNDYWGQGTLVTVSS',
    'PGKSLRLSCVASGFTFSGYGMHWVRQAPGKGLEWIALIIYDESNK*YADSVKGRFTISRDNSKNTLYLQMSSLRAEDTAVFYCAKVKFYDPTAPNDYWGQGTL',
]

heavy_ablang(seqs, mode='restore', align=True)

يظهر ناتج أعلاه أدناه. 

 array(['EVQLVESGPGLVQPGKSLRLSCVASGFTFSGYGMHWVRQAPGKGLEWIALIIYDESNKYYADSVKGRFTISRDNSKNTLYLQMSSLRAEDTAVFYCAKVKFYDPTAPNDYWGQGTLVTVSS',
       'QVQLVESGGGVVQPGKSLRLSCVASGFTFSGYGMHWVRQAPGKGLEWIALIIYDESNKYYADSVKGRFTISRDNSKNTLYLQMSSLRAEDTAVFYCAKVKFYDPTAPNDYWGQGTLVTVSS'],
      dtype='<U121')

اقتباس 

 @article{Olsen2022,
  title={AbLang: An antibody language model for completing antibody sequences},
  author={Tobias H. Olsen, Iain H. Moal and Charlotte M. Deane},
  journal={bioRxiv},
  doi={https://doi.org/10.1101/2022.01.20.477061},
  year={2022}
}
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل