{rfName}
Pa

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

6

Altmetrics

Investigadores/as Institucionales

Papadopoulos, AmAutor (correspondencia)Alvarez, FAutor o Coautor

Compartir

1 de enero de 2026
Publicaciones
>
Artículo
Sí

ParaSurf: a surface-based deep learning approach for paratope-antigen interaction prediction

Publicado en: BIOINFORMATICS. 41 (2): btaf062- - 2025-02-01 41(2), DOI: 10.1093/bioinformatics/btaf062

Autores:

Papadopoulos, AM; Axenopoulos, A; Iatrou, A; Stamatopoulos, K; Alvarez, F; Daras, P
[+]

Afiliaciones

Aristotle Univ Thessaloniki - Autor o Coautor
Informat Technol Inst, Ctr Res & Technol Hellas - Autor o Coautor
Inst Appl Biosci, Ctr Res & Technol Hellas - Autor o Coautor
Univ Politecn Madrid - Autor o Coautor
Ver más

Resumen

Motivation Identifying antibody binding sites, is crucial for developing vaccines and therapeutic antibodies, processes that are time-consuming and costly. Accurate prediction of the paratope's binding site can speed up the development by improving our understanding of antibody-antigen interactions.Results We present ParaSurf, a deep learning model that significantly enhances paratope prediction by incorporating both surface geometric and non-geometric factors. Trained and tested on three prominent antibody-antigen benchmarks, ParaSurf achieves state-of-the-art results across nearly all metrics. Unlike models restricted to the variable region, ParaSurf demonstrates the ability to accurately predict binding scores across the entire Fab region of the antibody. Additionally, we conducted an extensive analysis using the largest of the three datasets employed, focusing on three key components: (i) a detailed evaluation of paratope prediction for each complementarity-determining region loop, (ii) the performance of models trained exclusively on the heavy chain, and (iii) the results of training models solely on the light chain without incorporating data from the heavy chain.Availability and implementation Source code for ParaSurf, along with the datasets used, preprocessing pipeline, and trained model weights, are freely available at https://github.com/aggelos-michael-papadopoulos/ParaSurf.
[+]

Palabras clave

Antibody combining siteAntibody-antigen interactions (ppis)AntigenAntigensBinding sites, antibodyBinding-site predictionBioinformaticsComputational biologyDeep learningImmunologyModelParatope predictionProceduresProgramProteinSoftwareSurface-based deep learning

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista BIOINFORMATICS debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2025, se encontraba en la posición 8/86, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Biochemical Research Methods.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2026-04-13:

  • WoS: 3
  • Scopus: 2
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-13:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 10.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 10 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 2.
  • El número de menciones en la red social X (antes Twitter): 2 (Altmetric).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
[+]

Análisis de liderazgo de los autores institucionales

Este trabajo se ha realizado con colaboración internacional, concretamente con investigadores de: Greece; Macedonia.

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (PAPADOPOULOS, ANGELOS-MICHAIL) .

el autor responsable de establecer las labores de correspondencia ha sido PAPADOPOULOS, ANGELOS-MICHAIL.

[+]