组装的主要猫类过敏原Feld d 1的人工智能驱动的设计,以改善其空间折叠和IgE反应性

科学领域:

• 生物技术是生物技术.
• 过敏原研究研究
• 结构生物学是结构生物学.

背景情况:

• 猫的过敏原,特别是Feld 1,是全球过敏疾病的普遍原因.
• 与组装的分子相比,Feld1的单个链显示出免疫球蛋白E (IgE) 的反应性降低.
• 这种局限性阻碍了Feld1在分子过敏诊断中的有效准备和应用.

研究的目的:

• 优化Feld 1的结构,以提高IgE反应性和简化制备.
• 利用人工智能 (AI) 来设计一个更有效的过敏原用于诊断目的.

主要方法:

• 利用AlphaFold2 (AI) 来模拟Feld 1的3D结构,使用各种链间连接模式.
• 在大肠杆菌中表达了优化的Fel d 1结构,评估可溶性蛋白质产量.
• 使用循环二元化 (CD),HPLC-SEC和SDS-PAGE进行了蛋白质折叠和二元化的特征.
• 通过ELISA评估了优化融合Fel d 1的特定IgE反应性.

主要成果:

• 2 × GGGGS连接器获得了最高的质量评分 (100) 和最小的连接错误.
• 与其他结构相比,优化聚变Feld d 1显示出更高的可溶性蛋白质比例.
• CD和HPLC-SEC证实了一致的折叠和二元化,类似于本地类似结构.
• 埃利萨检测显示,对优化融合 Fel d 1 的IgE结合吸收率有显著的改善.

结论:

• 一个人工智能驱动的设计策略成功优化了Feld d 1,使其能够自发地像原生一样折叠.
• 优化的Feld1表现出增强的IgE结合活性和简化的制备过程.
• 这种强大的过敏原材料非常适合推进猫过敏的分子诊断.