Property Predictors
抗体設計では、結合・特異性・安定性など複数の物性を同時に見る必要があります。実験前に候補の優劣を推定できる多タスク予測モデルが、設計ラウンドごとの候補優先順位付けを支えます。
Focus
Multi-task Property Prediction
Approach
Machine Learning, Antibody Informatics
The Solution
配列から複数の物性を同時に予測する多タスクモデルを構築し、生成モデルが提案した各バリアントのスコアリングに用います。過去ラウンドの in vitro データで学習を更新し、予測精度を反復ごとに改善します。これにより、実験コストを抑えながら有望な候補を絞り込めます。
Multi-property optimization
取り組みの方向性
本テーマでは、配列から複数物性を同時に扱う予測モデルの設計・評価に関心します。実験コストを抑えつつ有望候補を絞り込むための判断材料づくりが目的です。第三者論文の実験結果を自社実績として示すものではありません。
