雨:一种基于机器学习的HIV-1 bNAbs的识别
Laurent Perez1, Mathilde Foglierini1
1Lausanne University Hospital and University of Lausanne, Lausanne, Switzerland.
Research square
|June 21, 2024
概括
一种新的计算方法,RAIN,迅速识别出来自免疫谱的针对HIV-1的广泛中和抗体 (bNAbs). 这种方法加速了新型bNAbs的发现,用于潜在的HIV-1治疗和预防.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 结构生物学 结构生物学
背景情况:
- 广泛中和抗体 (bNAbs) 对于开发有效的HIV-1治疗和预防策略至关重要.
- 目前用于识别HIV-1bNAbs来自免疫谱的方法有限,阻碍了快速发现.
- 从免疫信息库数据中自动检测bNAbs是一个重要的未满足的需求.
研究的目的:
- 为快速和自动识别HIV-1bNAbs开发一种简单的计算方法.
- 通过利用基于序列的特征进行预测,克服现有方法的局限性.
- 为了加速从非选择的免疫谱中发现新型HIV-1bNAbs.
主要方法:
- 开发了一种基于机器学习的计算方法RAIN (bNAbs的快速自动识别).
- 利用选定的基于序列的特征的组合来预测HIV-1bNAbs,不同于一次性编码或结构对齐.
- 将RAIN应用于来自HIV-1免疫捐赠者的无偏见,实验性获得的BCR序列库.
主要成果:
- 雷恩成功地发现了针对HIV-1包膜糖蛋白的CD4结合部位的新型HIV-1bNAbs.
- 通过体外中和化试验验验证了通过体外中和化试验确认的bNAbs.
- 使用单粒子冷电子显微镜 (cryo-EM) 与HIV-1包膜糖蛋白复合的新型bNAb的结构确定.
结论:
- 雷恩提供了一种简单而快速的方法来发现HIV-1bNAbs.
- 开发的方法有助于从非选择的免疫谱中识别bNAbs.
- 这项工作提升了开发新的HIV-1治疗方法和预防措施的潜力.
更多相关视频
00:09Single-cell Screening Method for the Selection and Recovery of Antibodies with Desired Specificities from Enriched Human Memory B Cell Populations
Published on: August 22, 2019
10.7K
05:15Detection of Neutralization-sensitive Epitopes in Antigens Displayed on Virus-Like Particle VLP-Based Vaccines Using a Capture Assay
Published on: February 10, 2022
3.6K
