AbMelt:从分子动力学中学习抗体的热稳定性

科学领域:

• 生物物理学的生物物理.
• 计算生物学 计算生物学
• 蛋白质工程是指蛋白质工程.

背景情况:

• 抗体的热稳定性对于药物开发至关重要,但很难仅仅从序列或结构来预测.
• 当前的预测方法往往缺乏直接的信息,限制了准确性.

研究的目的:

• 开发一种新的计算方法,AbMelt,用于预测抗体热稳定性.
• 确定与抗体灵活性相关的关键分子描述符,与热稳定性终点相关联.

主要方法:

• 在三种温度下利用分子动力学模拟来建模同源抗体结构的灵活性.
• 从模拟中学习了相关描述符,以预测聚合温度 (T_agg),融化开始 (T_m,on) 和融化温度 (T_m).
• 使用机器学习回归来对持久测试集进行可靠的预测.

主要成果:

• 在400K的互补性确定区域的旋转半径偏差是T_agg (r_p = -0.68) 的最强的描述.
• 在350K的内部分子接触的偏差与T_m,on (r_p = -0.74) 和T_m (r_p = -0.69) 都有很强的相关性.
• AbMelt实现了强大的性能 (R值为0.57-0.60) 并超过了传统模型,即使在<5%的数据上进行训练.

结论:

• AbMelt成功地使用分子动力学模拟了抗体灵活性,以预测关键的热稳定性参数.
• 该方法提供了准确而强大的预测,为抗体工程和开发提供了宝贵的工具.
• AbMelt可用于预测抗体可变片段的热稳定性测量.