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 Patel2,3
1Institute for Modeling Collaboration and Innovation, University of Idaho, Moscow, ID, 83844, USA.
Scientific reports
|October 4, 2024
概括
使用分子建模预测抗体逃生突变显示了早期威胁检测的前景. 根据特定抗体类量化亲和度切断,可以提高SARS-CoV-2变体的预测准确度.
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.
- 预测计算方法需要大规模的实验数据来验证.
研究的目的:
- 评估MD+FoldX能够预测SARS-CoV-2受体结合域逃生突变的能力.
- 评估定制的亲和度切断对预测精度的影响.
主要方法:
- 利用SARS-CoV-2受体结合域的深度突变扫描数据集.
- 采用MD+FoldX分子建模来预测结合亲缘关系.
- 将预测的逃生突变与实验数据进行了比较.
主要成果:
- 预测的结合亲和力和实验逃脱分数之间观察到正相关性.
- 针对四个抗体类的定制亲和度切断值比一般方法提高了精度.
- 70%的系统超过了50%的精度,识别了关键变异的关注/感兴趣的变体.
结论:
- MD+FoldX显示出预测抗体逃生突变的潜力.
- 类特定的亲和度切线可以提高预测准确度.
- 需要更快,更准确的结合亲和力预测方法是突出.
更多相关视频
10:25Detection of SARS-CoV-2 Neutralizing Antibodies using High-Throughput Fluorescent Imaging of Pseudovirus Infection
Published on: June 5, 2021
4.6K
06:08Author Spotlight: A Pseudotype Virus System for Assessing Omicron Subvariants and Neutralizing Antibodies in SARS-CoV-2 Research
Published on: September 8, 2023
1.1K
