雨:基于机器学习的HIV-1 bNAbs的识别
Mathilde Foglierini1,2,3, Pauline Nortier1,2, Rachel Schelling1,2
1Department of Medicine, Service of Immunology and Allergy, Lausanne University Hospital and University of Lausanne, Lausanne, Switzerland.
Nature communications
|June 24, 2024
概括
我们开发了RAIN,这是一种机器学习方法,可以从免疫谱中快速识别针对HIV-1的广泛中和抗体 (bNAbs). 这加速了潜在的HIV-1治疗方法的发现.
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HIV-1治疗和预防至关重要.
- 目前用于从免疫谱中识别HIV-1bNAbs的方法是有限的.
- 自动检测HIV-1bNAbs对于加速治疗开发至关重要.
研究的目的:
- 开发一种用于快速和准确识别HIV-1广泛中和抗体 (bNAbs) 的计算方法.
- 为了促进从大规模免疫目录测序数据中发现新型HIV-1bNAbs.
主要方法:
- 开发了RAIN (bNAbs的快速自动识别),一种使用基于序列的特征的机器学习方法.
- 将RAIN应用于来自HIV-1免疫捐赠者的BCR谱.
- 通过 in vitro 中和化试验和冷电子显微镜 (cryo-EM) 验证识别的bNAbs.
主要成果:
- 雷恩准确地预测了针对HIV-1包膜糖蛋白的CD4结合部位的HIV-1bNAbs.
- 从无偏见的BCR目录中成功识别出不同的HIV-1bNAbs.
- 冷-EM结构阐明了bNAb与信封糖蛋白识别的复合体.
结论:
- 雷恩为HIV-1bNAb发现提供了一种简单有效的计算方法.
- 该方法加快了从免疫谱中识别治疗抗体的速度.
- 这种方法可以促进HIV-1预防和治疗的新策略的开发.
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
