Уточнение предсказания формы антител с помощью глубокого обучения

Предсказание трехмерной структуры участка антитела, петли H3, по последовательности является важной нерешенной задачей биоинформатики. Существующие методы решения редко могут выдать качественное предсказание и в среднем их точность оказывается чрезвычайно низкой. Также их проблема заключается в том, что они не используют методы глубокого обучения, являющиеся на данный момент стандартным способом решения в таких областях как компьютерное зрение, обработка естественного языка и так далее. В данной работе был предложен способ предсказания структуры петли H3 используя только глубокое обучение. Было рассмотрено несколько способов кодирования аминокислотных последовательностей, наделяющие их структурной и семантической информацией, а также позволяющие преодолеть малое количество данных. Наконец, было применено несколько различных архитектур глубоких нейронных сетей, которые продемонстрировали высокие результаты в области обработки естественного языка. Лучшая полученная модель была протестирована на заранее не известном наборе данных и показала результат, сравнимый по точности с существующими решениями.