探索MD+FoldX方法使用大规模数据预测SARS-CoV-2抗体逃生突变的能力
L América Chi1, Jonathan E Barnes1, Jagdish Suresh Patel1,2
1Institute for Modeling Collaboration and Innovation, University of Idaho, Moscow, ID 83843, USA.
bioRxiv : the preprint server for biology
|June 3, 2024
概括
使用分子建模预测抗体逃生突变显示出有希望. 该方法将计算预测与实验数据相关联,有助于早期检测病毒威胁并制定对策.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 病毒学 病毒学
背景情况:
- 抗体逃生突变挑战了疫苗和治疗的有效性.
- 通过计算预测这些突变对于早期威胁检测至关重要.
- 缺乏大规模的实验数据阻碍了计算方法的验证.
研究的目的:
- 评估MD+FoldX分子建模方法用于预测抗体逃生突变.
- 使用大型深度突变扫描数据集进行验证.
- 专注于SARS-CoV-2受体结合领域.
主要方法:
- 应用了MD+FoldX分子建模方法.
- 利用了一个深度突变扫描数据集.
- 分析了SARS-CoV-2受体结合域.
主要成果:
- 观察到预测和实验数据之间的正相关性.
- 降低预测的结合亲和力适度与更高的实验逃脱分数相关.
- 量身定制的亲和度切断比通用方法提高了预测性能.
- 在70%的测试系统中达到>50%的精度.
- 成功识别了令人担忧和感兴趣的变异中的突变.
结论:
- MD+FoldX显示出预测抗体逃生突变的潜力.
- 定制的亲和度切断可以提高预测准确度.
- 需要进一步开发准确和快速结合的亲和力预测方法.
- 在比较计算和实验结果方面仍然存在挑战.
更多相关视频
10:34Probing RNA Structure with Dimethyl Sulfate Mutational Profiling with Sequencing In Vitro and in Cells
Published on: December 9, 2022
4.1K
06:08Author Spotlight: A Pseudotype Virus System for Assessing Omicron Subvariants and Neutralizing Antibodies in SARS-CoV-2 Research
Published on: September 8, 2023
1.2K
