MultiSAAl: Predicción de la interacción anticuerpo-antígeno informada por secuencia utilizando aprendizaje profundo a...

Área de la Ciencia:

• La bioquímica
• Biología computacional
• Inmunología

Sus antecedentes:

• La predicción de la interacción anticuerpo-antígeno es crucial para el desarrollo de nuevas terapias, pero a menudo está limitada por los costos experimentales y la incapacidad de los métodos basados en la estructura estática para capturar la unión dinámica.
• Se necesitan métodos de predicción precisos basados en la secuencia para superar las limitaciones de los enfoques basados en la estructura en el modelado de los cambios conformacionales dinámicos críticos para la unión anticuerpo-antígeno.

Objetivo del estudio:

• Desarrollar y validar MultiSAAI, un nuevo marco computacional basado en secuencias para predecir las interacciones anticuerpo-antígeno.
• Modele explícitamente las distintas contribuciones de las cadenas pesadas y ligeras de anticuerpos en la unión de antígenos.
• Mejorar la precisión y eficiencia del descubrimiento de anticuerpos terapéuticos a través de la predicción computacional avanzada.

Principales métodos:

• MultiSAAI integra las incrustaciones de modelos de lenguaje, las propiedades fisicoquímicas, las restricciones geométricas y la sustitutibilidad de residuos para caracterizar las interacciones.
• Se utiliza una arquitectura de red multiscala para evaluar tanto la compatibilidad global de los pares de residuos como la aptitud de los aminoácidos locales en la interfaz de unión.
• El marco incorpora información específica del sitio y principios vinculantes con base biológica para reflejar los mecanismos de interacción reales.

Principales resultados:

• MultiSAAI logró una puntuación AUROC de 0,772 en un conjunto de datos genéricos de interacción anticuerpo-antígeno.
• El modelo demostró un rendimiento superior en un conjunto de datos de SARS-CoV-2, logrando una puntuación AUROC de 0,947.
• MultiSAAI superó a los métodos establecidos como A2binder y AbAgIntPre en las pruebas de referencia.

Conclusiones:

• MultiSAAI ofrece un poderoso enfoque basado en secuencias para predecir las interacciones anticuerpo-antígeno, superando los métodos actuales.
• La capacidad del marco para modelar interacciones dinámicas e incorporar principios biológicos mejora su precisión predictiva.
• MultiSAAI muestra un potencial significativo para acelerar el descubrimiento de anticuerpos terapéuticos de alto rendimiento.