Structure-verified graph attention networks for residue-level prediction of antibody-contact escape mutations in the SARS-CoV-2 spike protein
本研究は、SARS-CoV-2の配列を抗体・スパイク複合体に結びつけ、信頼性の高いエスケープ変異ラベルを生成する構造検証済みパイプラインを確立しており、グラフアテンションネットワークが既知の構造に対して高い性能を発揮する一方で、未知の抗体標的に対する汎化能力は、検証済みの接触部位の重複度およびラベル付けのアーティファクトの厳密な補正に決定的に依存することを実証している。