연구진이 항원 정보와 항체 서열·구조를 통합적으로 학습하는 AAMFM 모델을 개발했어요. AAMFM은 항원 기하학적 인터페이스와 표적 부위 정보를 활용해 항체와 항원 상호작용을 모델링합니다.
Calibrated Direct Preference Optimization(Cal-DPO) 방식으로 학습해 기능성 항체 설계 성능을 극대화했으며, 기존 모델 대비 뛰어난 성능을 보였어요.
개발된 AAMFM은 항원 특이항체 엔지니어링에 활용 가능하며, 관련 코드는 GitHub에서 확인할 수 있어요.