Integración del análisis dinámico de la red con la inteligencia artificial para la predicción mejorada de epítopos en...

Área de la Ciencia:

• Biología estructural computacional
• La biofísica
• Interacciones proteína-proteína

Sus antecedentes:

• La determinación de los epítopos de unión de la interacción proteína-proteína (IPP) es crucial para el descubrimiento de fármacos y la biomedicina.
• Los métodos experimentales de determinación de epítopos son a menudo de bajo rendimiento y costosos.
• Los métodos actuales de inteligencia artificial (IA), incluido AlphaFold2, luchan con la predicción de epítopos para nuevos dominios de enlace.

Objetivo del estudio:

• Desarrollar un método computacional integrado para la predicción precisa de los epítopos de unión a las proteínas.
• Para desentrañar la estructura y el epitopo de unión del complejo PD-L1:Affibody.
• Evaluar el rendimiento de los modelos de IA y los métodos convencionales en la predicción de las interfaces PPI.

Principales métodos:

• Análisis dinámico de red basado en correlación generalizada integrada (GCCA-DyNA) en trayectorias de dinámica molecular múltiple (MD).
• Iniciación de las simulaciones de MD a partir de las estructuras previstas por AlphaFold2Multimer.
• Validación mediante técnicas de mapeo de epítopos experimentales: espectrometría de masas de enlace cruzado (XL-MS) y exploración mutativa profunda (DMS).

Principales resultados:

• El método integrado GCCA-DyNA distinguió con éxito entre modelos de unión paralelos y perpendiculares para el complejo PD-L1:Affibody, identificando el modo perpendicular como significativamente más estable.
• La validación experimental confirmó las predicciones computacionales de la postura de unión perpendicular.
• AlphaFold3 no pudo predecir la postura de unión correcta, destacando las limitaciones en la predicción actual de la estructura de IA para nuevas interacciones.

Conclusiones:

• El análisis dinámico de redes integrado con estructuras predichas por IA ofrece un enfoque robusto para la identificación precisa de epítopos.
• Los hallazgos desafían la aceptación acrítica de las estructuras de proteínas generadas por la IA y enfatizan la necesidad de estrategias computacionales complementarias.
• Este método integrado mejora la fiabilidad de la predicción de las interfaces de interacción proteína-proteína, con implicaciones para el desarrollo terapéutico.