ABTrans:一种基于变压器的模型,用于预测抗Aβ抗体和之间的相互作用
Yuhong Su1, Xincheng Zeng1, Lingfeng Zhang2
1Engineering Research Center of Cell & Therapeutic Antibody (MOE), School of Pharmacy, Shanghai Jiao Tong University, Shanghai, 200240, China.
Interdisciplinary sciences, computational life sciences
|October 28, 2024
概括
一个新的深度学习模型,ABTrans,准确地预测了抗粉样β (Aβ) 抗体与结合. 这种工具有助于通过最小化抗体与其他蛋白质的交叉反应来确定更安全的阿尔茨海默病治疗方法.
科学领域:
- 神经科学是一个神经科学.
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 最近对阿尔茨海默病的抗胺β (Aβ) 抗体的批准强调了了解抗体-标相互作用的必要性.
- 开发更有效,更安全的阿尔茨海默氏症治疗方法需要精确了解抗体结合特征.
研究的目的:
- 开发一个深度学习模型,ABTrans,用于预测抗Aβ抗体和之间的结合相互作用.
- 评估已批准的抗-Aβ抗体与其他人类氨基原蛋白的交叉反应性.
- 为了确定选择的抗Aβ抗体的潜在非目标相互作用.
主要方法:
- 训练了ABTrans深度学习模型从菌体显示和已知的抗Aβ抗体序列的十二蛋白序列.
- 分类抗体-多德结合分为四个级别:不结合,弱,中,强.
- 评估了抗体与其他人类氨基原蛋白的交叉反应性,并选了非标候选物.
主要成果:
- 在分类结合能力方面,ABTrans模型实现了0.83的准确性.
- 在测试的抗Aβ抗体中,阿杜卡努马布和多纳纳马布的交叉反应性最小.
- 系统查确定了11个选择的抗Aβ抗体的潜在非标候选者.
结论:
- ABTrans是预测抗Aβ抗体-相互作用的宝贵工具.
- 了解和最大限度地减少抗体交叉反应对于开发更安全的阿尔茨海默氏症治疗方法至关重要.
- 为了确保治疗的安全性,需要对已识别的非目标候选物进行进一步的调查.
