Video Experimental Relacionado
Updated: Feb 24, 2026

Peptide Scanning-assisted Identification of a Monoclonal Antibody-recognized Linear B-cell Epitope
Published on: March 24, 2017
Aprendizaje contrastivo permite predicciones de solapamiento de epítopos para el descubrimiento de anticuerpos
Clinton M Holt1,2,3, Alexis K Janke1,4, Parastoo Amlashi1,4
1Vanderbilt Center for Antibody Therapeutics, Vanderbilt University Medical Center, Nashville, TN 37232, USA.
La predicción de epítopos de anticuerpos es crucial para el desarrollo de fármacos. Nuevos métodos computacionales que utilizan secuencias de anticuerpos muestran alta precisión en la identificación de epítopos superpuestos, lo que ayuda al descubrimiento de anticuerpos terapéuticos.
Área de la Ciencia:
- Inmunología
- Biología Computacional
- Biología Estructural
Sus antecedentes:
- La predicción precisa de epítopos es esencial para el desarrollo de anticuerpos terapéuticos.
- Los métodos computacionales actuales para la predicción de epítopos requieren mejoras.
Objetivo del estudio:
- Desarrollar y validar enfoques computacionales novedosos para predecir epítopos de anticuerpos a partir de secuencias de anticuerpos.
- Mejorar el descubrimiento de anticuerpos terapéuticos dirigidos a epítopos.
Principales métodos:
- Análisis de 18 millones de pares de anticuerpos para correlacionar la identidad de la secuencia de la región determinante de complementariedad 3 (CDRH3) de la cadena pesada con el solapamiento de epítopos.
- Desarrollo de un marco de ajuste fino de aprendizaje contrastivo supervisado para modelos de lenguaje de anticuerpos para incorporar información de epítopos.
- Creación de AbLang-PDB, un modelo generalizado para la predicción de epítopos.
Principales resultados:
- Más del 70% de la identidad de la secuencia de la región determinante de complementariedad 3 (CDRH3) de la cadena pesada predice epítopos superpuestos en anticuerpos que comparten genes V.
- El marco de aprendizaje contrastivo logró una precisión del 97% en la predicción del solapamiento estructural para anticuerpos contra el SARS-CoV-2.
- AbLang-PDB demostró una mejora de 5 veces en la precisión promedio sobre los métodos basados en secuencias y una fuerte correlación con el solapamiento de epítopos (ρ = 0.81).
- La validación experimental mostró un 70% de especificidad para el VIH-1 y un 50% de competencia de unión para los candidatos seleccionados.
Conclusiones:
- Los métodos computacionales basados en secuencias de anticuerpos pueden predecir de manera confiable las relaciones de epítopos.
- El aprendizaje contrastivo codifica eficazmente la información de epítopos en los modelos de lenguaje de anticuerpos.
- Estos modelos ofrecen herramientas potentes para acelerar el descubrimiento de anticuerpos dirigidos a epítopos.
Videos de Conceptos Relacionados
Cross-reactivity
Affinity and Avidity
Hybridoma Technology
Hybridoma Selection
Commonly used fusion techniques — electroporation,...
Diversity of Antigen Receptors
Before encountering any antigen, lymphocytes express these receptors. On B cells, the antigen receptor is a membrane-bound antibody molecule called BCR; on T cells, it is a T cell receptor or TCR. B and T cell receptors are composed of two...
Antibody Structure
Antibodies, also known as immunoglobulins (Ig), are essential players of the adaptive immune system. These antigen-binding proteins are produced by B cells and make up 20 percent of the total blood plasma by weight. In mammals, antibodies fall into five different classes, which each elicits a different biological response upon antigen binding.
The Y-Shaped Structure of Antibodies Consists of Four Polypeptide Chains
Antibodies consist of four polypeptide chains: two identical heavy...
Antibody Actions
Neutralization
Antibodies can bind to pathogens, preventing them from infecting host cells. This process...

