使用高吞吐量查和机器学习,阐明在MMP-9结合中工程化scFv抗体的关键决定因素

科学领域:

• 生物技术是生物技术.
• 免疫学 免疫学 免疫学
• 蛋白质工程是指蛋白质工程.

背景情况:

• 矩阵金属蛋白酶-9 (MMP-9) 失调与各种疾病有关,包括癌症和神经系统疾病.
• 用治疗药物向MMP-9提供了一个潜在的治疗策略.
• 工程单链可变片段 (scFvs) 是治疗开发的一个有前途的方法.

研究的目的:

• 设计和改进与矩阵金属蛋白酶-9 (MMP-9) 结合的单链抗体片段 (scFvs).
• 确定调节scFvs和MMP-9之间的结合亲和力的分子决定因素.
• 使用深度学习开发scFv绑定的预测模型.

主要方法:

• 使用光激活细胞分类 (FACS) 来增强MMP-9结合的合成scFv酵母表面显示库的选.
• 下一代DNA测序用于识别成功的scFv克隆.
• 计算蛋白质结构分析以阐明结合机制.
• 在CDR-H3序列上训练一个深度学习语言模型,以预测scFv绑定.

主要成果:

• 与内源性抑制剂相比,孤立的scFv克隆表明与MMP-9结合的改善.
• 通过测序和结构分析确定了scFv-MMP-9结合的分子决定因素.
• 一个深度学习模型成功预测了基于CDR-H3序列的scFv变体结合.

结论:

• 设计的scFvs显示了对MMP-9的增强结合,表明了治疗潜力.
• 了解结合决定因素有助于改进抗体片段的合理设计.
• 深度学习为预测和优化抗体-抗原相互作用提供了一种新的方法.