MHC-Fine:精细调整的AlphaFold用于精确的MHC-复合体预测
Ernest Glukhov1,2, Dmytro Kalitin1,2, Darya Stepanenko1,2
1Department of Applied Mathematics and Statistics, Stony Brook University, Stony Brook, 11794, NY, USA.
bioRxiv : the preprint server for biology
|December 11, 2023
概括
我们改进了AlphaFold用于使用专用数据预测主要基因相容性复合 (MHC) - 结构. 我们的增强模型为MHC-相互作用提供了卓越的准确性,有助于疫苗设计.
科学领域:
- 计算免疫学计算免疫学
- 结构生物学是结构生物学.
- 疫苗的研发工作正在进行中.
背景情况:
- 准确预测主要基因相容性复合体 (MHC) - 复合体结构对于理解T细胞介导免疫是至关重要的.
- 像AlphaFold这样现有的通用模型缺乏MHC-相互作用所需的专业精度.
- 推进疫苗设计和免疫治疗需要对这些复杂物进行高分辨率的结构预测.
研究的目的:
- 为了提高AlphaFold对MHC-复杂结构的预测准确度.
- 开发一个针对MHC-相互作用细微差别的专门模型.
- 为促进免疫学研究和治疗设计提供更可靠的计算工具.
主要方法:
- 微调AlphaFold使用精心策划的高分辨率MHC-晶体结构数据集.
- 与同质模型方法Pandora和标准AlphaFold多元模型对比性能分析.
- 基于根平均平方偏差 (RMSD) 和预测的lDDT得分的评估.
主要成果:
- 与Pandora和AlphaFold多重相比,微调的AlphaFold模型实现了更高的性能.
- 该模型的RMSD中位数为0.65 Å,表明结构精度高.
- 预测lDDT得分的提高表明预测结构的可靠性和信心得到了改善.
结论:
- 专业微调的AlphaFold显著提高MHC-复杂结构预测的准确性.
- 这种改进的精度为药物发现和疫苗开发提供了强大的计算工具.
- 预测MHC-相互作用的进展将加速向免疫疗法的设计.
更多相关视频
09:32Immunopeptidomics: Isolation of Mouse and Human MHC Class I- and II-Associated Peptides for Mass Spectrometry Analysis
Published on: October 15, 2021
12.1K
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
1.9K
