ディープラーニングと計算生物学による単点変異によってヒトの抗体相性が大幅に強化

科学分野:

• 計算生物学
• 免疫学
• 薬物の発見

背景:

• 治療効果と安全性にとって,抗体親和性の強化は極めて重要です.
• 伝統的な変異方法は 広大なシーケンス空間で 苦労します
• 現在の制限は,抗体工学の高度な計算方法を必要とします.

研究 の 目的:

• 血縁性増強抗体変異を特定するための新しい計算パイプラインを開発する.
• 精密な変異の予測のために ディープラーニングと進化の制約を活用する
• パイプラインの汎用性を示すために 異なる抗体標的で

主な方法:

• 統合計算パイプライン:進化的制約,統計的可能性,分子動力学,メタダイナミクス.
• ディープラーニング・フレームワーク:マイクロ環境特有の変異のためのマイクロミューテーション,結合確率のためのグラフベースのモデル.
• H7N9インフルエンザヘマグルチニンと死亡受容体に対する単点変異抗体のスクリーニング 5.

主要な成果:

• H7N9を標的にする突然変異の抗体が特定され, 4. 62倍のアフィニティが改善されました.
• 死亡受容体5に対する 抗体を設計した afinityの2.07倍増加
• サブナノモラー抗体からの高親和性突然変異の識別に成功した.

結論:

• 統合された計算パイプラインは,親和性を高める変異を効果的に識別します.
• ディープラーニングとコンピューティング・メソッドは 抗体設計のための強力なプラットフォームを提供します
• このアプローチは,免疫性および発現を維持しながら,改善された抗体治療法の発見を加速します.