PD-L1:アフィボディの相互作用における強化されたエピトープ予測のためのAIとダイナミック・ネットワーク分析の統合

科学分野:

• 計算構造生物学
• バイオ物理学
• タンパク質同士の相互作用

背景:

• タンパク質とタンパク質の相互作用 (PPI) の結合エピトープの決定は,薬剤発見と生物医学にとって極めて重要です.
• 実験的なエピトープ決定方法は,しばしば低通量で高価である.
• AlphaFold2を含む現在の人工知能 (AI) 方法は,新しい結合ドメインのエピトープを予測するのに苦労しています.

研究 の 目的:

• タンパク質結合エピトープの正確な予測のための統合計算方法を開発する.
• PD-L1:アフィボディ複合体の構造と結合エピトープを解明する
• PPIインターフェースを予測するAIモデルと従来の方法のパフォーマンスを評価する.

主な方法:

• 多重分子ダイナミクス (MD) の軌道を統合した一般化相関ベースのダイナミックネットワーク分析 (GCCA-DyNA).
• AlphaFold2Multimerが予測した構造からMDシミュレーションを開始します.
• 実験的なエピトープマッピング技術を用いた検証:クロスリンク質量スペクトロメトリ (XL-MS) と深層変異スキャン (DMS).

主要な成果:

• 統合されたGCCA-DyNA方法は,PD-L1:Affibody複合体の並列と垂直の結合モデルを成功裏に区別し,垂直モードが著しく安定していることを特定しました.
• 実験的な検証により,垂直結合ポーズの計算上の予測が確認されました.
• AlphaFold3は正しい結合姿勢を予測できず,新しい相互作用のための現在のAI構造予測の限界を強調しました.

結論:

• AIで予測された構造と統合されたダイナミックなネットワーク分析は,正確なエピトープ識別のための堅実なアプローチを提供します.
• この発見は,AIによって生成されたタンパク質構造の無批判な受け入れに挑戦し,補完的な計算戦略の必要性を強調しています.
• この統合された方法は,治療開発に意味を持つタンパク質とタンパク質の相互作用の予測の信頼性を高めます.