通过微分分子表面相互作用指纹方法快速端到端地表解释SARS-CoV-2变体

科学领域:

• 计算生物学 计算生物学
• 结构生物学 结构生物学
• 病毒学 病毒学

背景情况:

• SARS-CoV-2 突变对药物开发构成挑战.
• 现有的蛋白质分析深度学习方法存在局限性,特别是在表面特征提取方面.
• 了解尖端蛋白表面相互作用对于预测病毒行为和药物疗效至关重要.

研究的目的:

• 开发和应用一种新的深度学习方法来分析SARS-CoV-2尖端蛋白表面相互作用.
• 为了可视化和比较不同SARS-CoV-2变种 (三角形,奥米克龙和亚变种) 的结合位模式.
• 为了将表面相互作用特征与观察到的传播和感染率相关联.

主要方法:

• 使用了可分化的分子表面相互作用指纹 (dMaSIF) 方法,该方法采用3D点云.
• 开发了一种新型高效的几何卷积层,用于快速预测蛋白质表面相互作用地点.
• 应用该方法分析来自各种SARS-CoV-2变异的尖端蛋白.

主要成果:

• 鉴定了对Delta,Omicron及其亚型的独特结合部位模式.
• 观察到Delta和Omicron之间类似的表面结合模式,并在BA.2,BA.2.13,BA.3和BA.4.4之间单独观察到.
• BA.4显示出较高的阳性相互作用部位比率,这可能解释了其增加的传播能力.
• BA.2,BA.2.13,BA.3的阳性相互作用部位比Delta和Omicron的比例更高,与它们的感染率相关.

结论:

• dMaSIF方法提供了一种有效的方法,用于分析SARS-CoV-2变体中的蛋白质-蛋白质相互作用.
• 表面相互作用模式为不同病毒株的传播动态提供了洞察力.
• 这项工作通过结构分析为了解和潜在地打击病毒演变提供了一条新的途径.