排名抗体结合表位和蛋白质跨样本从整个蛋白质块线性
Sean J McIlwain1,2, Anna Hoefges3, Amy K Erbe3
1Department of Biostatistics and Medical Informatics, University of Wisconsin-Madison, Madison, WI, 53705, USA.
Bioinformatics (Oxford, England)
|November 5, 2024
概括
一个新的R包,HERON,从超密集的基阵列中识别出重要的抗体标. 该工具有助于理解适应性免疫反应,并通过分析,表位和蛋白质水平的抗体结合来开发诊断或治疗方法.
科学领域:
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 超敏结合阵列是研究抗体库和自适应性免疫反应的强大工具.
- 现有的工具缺乏在多个样本中在线性,表位和蛋白质水平上探索高维抗体目标的能力.
- 了解免疫反应异质性需要强大的方法来识别可复制抗体标.
研究的目的:
- 从超密度结阵列数据开发一种计算工具,用于从超密度结阵列数据中识别显著和可重复的抗体标.
- 为了使在多个样本中在线性,表位和蛋白质水平上探索抗体标.
- 促进用于诊断和治疗应用的适应性免疫反应的研究.
主要方法:
- 层次性抗体结合和蛋白质的开发来自近似 (HERON) R包.
- 应用元分析和空间聚类技术来识别免疫原性表位.
- 对线性,表位和蛋白质水平的显著性值的估计,用于候选者验证.
主要成果:
- 在整个样本中,HERON成功地识别了免疫原性表位和抗体标.
- 该包提供了多个分辨率和信任级别的显著性值.
- 性能评估表明,HERON在估计错误发现率和确定抗体结合感兴趣的区域方面具有竞争力.
结论:
- HERON是一种有价值的R包,用于分析超密度结合阵列数据,以研究抗体反应.
- 该工具通过表征抗体结合模式,有助于发现诊断和治疗点.
- HERON通过实现详细的表位图绘制,增强了对适应性免疫的理解.
