目的分析语言模型辅助人工智能抗体设计与优化研究领域的研究热点及进展,为抗体开发领域研究人员提供参考依据。方法通过CiteSpace软件对Web of Science、Pubmed和Scopus数据库中收集到的抗体设计与优化研究领域中3个重要研究任务(抗体...目的分析语言模型辅助人工智能抗体设计与优化研究领域的研究热点及进展,为抗体开发领域研究人员提供参考依据。方法通过CiteSpace软件对Web of Science、Pubmed和Scopus数据库中收集到的抗体设计与优化研究领域中3个重要研究任务(抗体预训练语言模型构建、抗体序列生成、抗体三维结构预测)的文献进行总体研究热点分析,并对各研究任务下的重要研究进展进行梳理总结,分析具体研究工作的异同点和当前研究面临的问题。结果2019年(10篇文献)至2023年(89篇文献),3个研究任务的研究规模和研究热度不断攀升。总体研究热点聚焦于通过语言模型辅助设计或优化得到人源化、亲和力高以及特异性强的抗体。在各研究任务中,模型架构多样性、训练数据一致性以及训练策略差异性反映了研究方法的特点。同时,当前研究仍然面临着抗原数据稀疏、计算算力限制以及干湿实验结合不足等问题。结论语言模型辅助人工智能抗体设计与优化的相关研究正在逐步兴起,目前已经取得了一定的成果,但研究者仍需解决模型对抗原抗体相互作用信息忽略和实验验证与模拟计算结合缺乏的问题,深化研究内容并扩展实际应用场景。展开更多
文摘目的分析语言模型辅助人工智能抗体设计与优化研究领域的研究热点及进展,为抗体开发领域研究人员提供参考依据。方法通过CiteSpace软件对Web of Science、Pubmed和Scopus数据库中收集到的抗体设计与优化研究领域中3个重要研究任务(抗体预训练语言模型构建、抗体序列生成、抗体三维结构预测)的文献进行总体研究热点分析,并对各研究任务下的重要研究进展进行梳理总结,分析具体研究工作的异同点和当前研究面临的问题。结果2019年(10篇文献)至2023年(89篇文献),3个研究任务的研究规模和研究热度不断攀升。总体研究热点聚焦于通过语言模型辅助设计或优化得到人源化、亲和力高以及特异性强的抗体。在各研究任务中,模型架构多样性、训练数据一致性以及训练策略差异性反映了研究方法的特点。同时,当前研究仍然面临着抗原数据稀疏、计算算力限制以及干湿实验结合不足等问题。结论语言模型辅助人工智能抗体设计与优化的相关研究正在逐步兴起,目前已经取得了一定的成果,但研究者仍需解决模型对抗原抗体相互作用信息忽略和实验验证与模拟计算结合缺乏的问题,深化研究内容并扩展实际应用场景。
