• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

用于抗体阅读理解的人工智能：AntiBERTa。

Artificial intelligence for antibody reading comprehension: AntiBERTa.

作者信息

Choi Yoonjoo

机构信息

Combinatorial Tumor Immunotherapy MRC, Chonnam National University Medical School, Hwasun-gun, Jeollanam-do 58128, South Korea.

出版信息

Patterns (N Y). 2022 Jul 8;3(7):100535. doi: 10.1016/j.patter.2022.100535.

DOI:10.1016/j.patter.2022.100535
PMID:35845838
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC9278504/
Abstract

Utilizing publicly available antibody big data resources, Leem et al. (2022) developed an antibody-specific language model, AntiBERTa, to understand the "language" of antibodies. Case studies reveal that AntiBERTa can be an extremely useful tool for antibody engineering.

摘要

利用公开可用的抗体大数据资源，Leem等人（2022年）开发了一种抗体特异性语言模型AntiBERTa，以理解抗体的“语言”。案例研究表明，AntiBERTa对于抗体工程可能是一种极其有用的工具。

相似文献

1
Artificial intelligence for antibody reading comprehension: AntiBERTa.用于抗体阅读理解的人工智能：AntiBERTa。
Patterns (N Y). 2022 Jul 8;3(7):100535. doi: 10.1016/j.patter.2022.100535.
2
Deciphering the language of antibodies using self-supervised learning.利用自监督学习破解抗体语言。
Patterns (N Y). 2022 May 18;3(7):100513. doi: 10.1016/j.patter.2022.100513. eCollection 2022 Jul 8.
3
The role of maintenance and disengagement in predicting reading comprehension and vocabulary learning.维持和退出在预测阅读理解和词汇学习中的作用。
J Exp Psychol Learn Mem Cogn. 2020 Jan;46(1):140-154. doi: 10.1037/xlm0000705. Epub 2019 Jun 6.
4
Validated tests for language research with university students whose native language is English: Tests of vocabulary, general knowledge, author recognition, and reading comprehension.针对以英语为母语的大学生进行语言研究的有效测试：词汇测试、一般知识测试、作者识别测试和阅读理解测试。
Behav Res Methods. 2023 Apr;55(3):1036-1068. doi: 10.3758/s13428-022-01856-x. Epub 2022 May 16.
5
Reading comprehension in children with specific language impairment: an examination of two subgroups.特定语言障碍儿童的阅读理解：两个亚组的考察
Int J Lang Commun Disord. 2007 Jan-Feb;42(1):39-57. doi: 10.1080/13682820600693013.
6
A predictive study of reading comprehension in third-grade Spanish students.一项关于三年级西班牙语学生阅读理解能力的预测性研究。
Psicothema. 2013;25(2):199-205. doi: 10.7334/psicothema2012.175.
7
Enhancing the reading fluency and comprehension of children with reading disabilities in an orthographically transparent language.提高以正字法透明语言为母语的阅读障碍儿童的阅读流畅性和阅读理解能力。
J Learn Disabil. 2009 Jul-Aug;42(4):291-305. doi: 10.1177/0022219408331038. Epub 2009 Feb 17.
8
Decomposing the Variance in Reading Comprehension to Reveal the Unique and Common Effects of Language and Decoding.分解阅读理解中的方差以揭示语言和解码的独特及共同作用。
J Vis Exp. 2018 Oct 11(140):58557. doi: 10.3791/58557.
9
Language comprehension and working memory language comprehension and working memory deficits in patients with schizophrenia.精神分裂症患者的语言理解和工作记忆 语言理解和工作记忆缺陷
Schizophr Res. 2003 Apr 1;60(2-3):299-309. doi: 10.1016/s0920-9964(02)00280-3.
10
Dialogue with a conversational agent promotes children's story comprehension via enhancing engagement.对话式人工智能通过提高参与度促进儿童故事理解。
Child Dev. 2022 Mar;93(2):e149-e167. doi: 10.1111/cdev.13708. Epub 2021 Nov 8.

引用本文的文献

1
Progress and challenges for the application of machine learning for neglected tropical diseases.机器学习在 neglected tropical diseases 中的应用进展与挑战。 （注：“neglected tropical diseases”直译为“被忽视的热带病” ）
F1000Res. 2025 May 20;12:287. doi: 10.12688/f1000research.129064.2. eCollection 2023.
2
Leveraging large language models to predict antibody biological activity against influenza A hemagglutinin.利用大语言模型预测针对甲型流感血凝素的抗体生物活性。
Comput Struct Biotechnol J. 2025 Mar 24;27:1286-1295. doi: 10.1016/j.csbj.2025.03.038. eCollection 2025.
3
Beyond digital twins: the role of foundation models in enhancing the interpretability of multiomics modalities in precision medicine.超越数字孪生：基础模型在提高精准医学中多组学模式的可解释性方面的作用。
FEBS Open Bio. 2025 Aug;15(8):1192-1208. doi: 10.1002/2211-5463.70003. Epub 2025 Feb 24.
4
MVSF-AB: accurate antibody-antigen binding affinity prediction via multi-view sequence feature learning.MVSF-AB：通过多视图序列特征学习实现准确的抗体-抗原结合亲和力预测。
Bioinformatics. 2025 May 6;41(5). doi: 10.1093/bioinformatics/btae579.
5
Improving antibody language models with native pairing.通过天然配对改进抗体语言模型。
Patterns (N Y). 2024 Apr 4;5(5):100967. doi: 10.1016/j.patter.2024.100967. eCollection 2024 May 10.
6
Therapeutic Antibodies in Medicine.医学中的治疗性抗体。
Molecules. 2023 Sep 5;28(18):6438. doi: 10.3390/molecules28186438.

本文引用的文献

1
Deciphering the language of antibodies using self-supervised learning.利用自监督学习破解抗体语言。
Patterns (N Y). 2022 May 18;3(7):100513. doi: 10.1016/j.patter.2022.100513. eCollection 2022 Jul 8.
2
Antibody structure prediction using interpretable deep learning.使用可解释深度学习进行抗体结构预测。
Patterns (N Y). 2021 Dec 9;3(2):100406. doi: 10.1016/j.patter.2021.100406. eCollection 2022 Feb 11.
3
BioPhi: A platform for antibody design, humanization, and humanness evaluation based on natural antibody repertoires and deep learning.BioPhi：一个基于天然抗体库和深度学习的抗体设计、人源化和人源评估平台。
MAbs. 2022 Jan-Dec;14(1):2020203. doi: 10.1080/19420862.2021.2020203.
4
Observed Antibody Space: A diverse database of cleaned, annotated, and translated unpaired and paired antibody sequences.观察到的抗体空间：一个多样化的数据库，包含经过清理、注释和翻译的未配对和配对抗体序列。
Protein Sci. 2022 Jan;31(1):141-146. doi: 10.1002/pro.4205. Epub 2021 Oct 29.
5
ProtTrans: Toward Understanding the Language of Life Through Self-Supervised Learning.ProtTrans：通过自监督学习理解生命语言。
IEEE Trans Pattern Anal Mach Intell. 2022 Oct;44(10):7112-7127. doi: 10.1109/TPAMI.2021.3095381. Epub 2022 Sep 14.
6
Humanization of antibodies using a machine learning approach on large-scale repertoire data.使用基于大规模库数据的机器学习方法对抗体进行人源化。
Bioinformatics. 2021 Nov 18;37(22):4041-4047. doi: 10.1093/bioinformatics/btab434.
7
FDA approves 100th monoclonal antibody product.美国食品药品监督管理局批准第100种单克隆抗体产品。
Nat Rev Drug Discov. 2021 Jul;20(7):491-495. doi: 10.1038/d41573-021-00079-7.
8
How repertoire data are changing antibody science.抗体科学如何因库数据而改变。
J Biol Chem. 2020 Jul 17;295(29):9823-9837. doi: 10.1074/jbc.REV120.010181. Epub 2020 May 14.
9
Observed Antibody Space: A Resource for Data Mining Next-Generation Sequencing of Antibody Repertoires.观察到的抗体空间：用于挖掘下一代抗体库测序数据的资源。
J Immunol. 2018 Oct 15;201(8):2502-2509. doi: 10.4049/jimmunol.1800708. Epub 2018 Sep 14.
10
Antibodypedia, a portal for sharing antibody and antigen validation data.抗体百科，一个用于分享抗体和抗原验证数据的平台。
Mol Cell Proteomics. 2008 Oct;7(10):2028-37. doi: 10.1074/mcp.M800264-MCP200. Epub 2008 Jul 29.