CD47Binder:通过结合下一代体显示数据和多个体描述器来识别CD47结合
Bowen Li1, Heng Chen2, Jian Huang3
1Medical College, Guizhou University, Huaxi District, Guiyang, 550025, Guizhou, China.
Interdisciplinary sciences, computational life sciences
|June 30, 2023
概括
研究人员使用下一代菌体显示和机器学习开发了一个预测模型,以识别用于癌症免疫治疗的CD47结合,克服了针对CD47/SIRPα途径的当前抗体疗法的局限性.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 生物技术是生物技术.
背景情况:
- CD47/SIRPα通路是瘤免疫的关键标,在PD-1/PD-L1.1之后出现.
- 目前针对CD47/SIRPα的单克隆抗体疗法面临局限性.
- 基于的治疗方法提供了具有明显优势的潜在替代品.
研究的目的:
- 开发一种用于识别CD47结合的预测计算模型.
- 克服现有的针对CD47的抗体疗法的局限性.
- 创建一个可访问的生物信息学工具,用于CD47预测.
主要方法:
- 使用下一代菌体显示器 (NGPD) 选CD47结合.
- 采用十种传统的机器学习方法和三种深度学习方法来开发模型.
- 为最终的预测模型集成多个描述器和支持向量机器.
主要成果:
- 综合预测模型通过五倍交叉验证实现了高性能指标:0.755的特异性,0.764的准确性和0.772的灵敏性.
- 通过NGPD生物检测成功选了CD47结合.
- 开发了一个在线生物信息学工具,CD47Binder,用于预测CD47结合.
结论:
- 开发的综合模型有效地预测了CD47结合.
- 这种方法为开发针对CD47的新型癌症免疫疗法提供了一个有希望的策略.
- CD47Binder工具为该领域的研究人员提供了宝贵的资源.
更多相关视频
08:31Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
Published on: December 1, 2020
5.1K
13:49Semi-automated Biopanning of Bacterial Display Libraries for Peptide Affinity Reagent Discovery and Analysis of Resulting Isolates
Published on: December 6, 2017
11.5K