通过深度测序和机器学习来确定具有改进的MMP-9结合的工程scFv抗体变异的关键残留物
Masoud Kalantar1, Ifthichar Kalanther2, Sachin Kumar1
1Department of Chemical and Materials Engineering, University of Nevada, Reno, NV 89557, USA.
Computational and structural biotechnology journal
|November 11, 2024
概括
研究人员设计了新的单链可变片段 (scFvs),可以有效地与矩阵金属蛋白酶-9 (MMP-9) 结合. 这些工程化scFvs显示了与MMP-9失调相关的疾病的治疗方法的前景,其性能优于自然抑制剂.
科学领域:
- 生物化学 生物化学
- 分子生物学分子生物学
- 免疫学 免疫学 免疫学
背景情况:
- 矩阵金属蛋白酶 (MMPs),特别是MMP-9,在细胞外矩阵调节中起着至关重要的作用.
- 在MMP-9活性中的不平衡与各种疾病有关,包括癌症,神经退行性疾病和妇科疾病.
- 针对MMP-9的新疗法,如单链可变片段 (scFvs),是一个有前途的治疗策略.
研究的目的:
- 开发和描述具有增强对矩阵金属蛋白酶-9 (MMP-9) 的结合亲和力的新型单链抗体片段 (scFvs).
- 确定改进scFvs与MMP-9结合的分子基础.
- 探索深度学习模型在预测scFv结合亲和关系方面的潜力.
主要方法:
- 在酵母上显示合成scFv抗体库的选,使用光激活细胞分类 (FACS) 来增强MMP-9结合.
- 下一代DNA测序和计算蛋白质结构分析,以确定scFv结合的分子决定因素.
- 在scFv变体上训练一个深度学习语言模型,以根据CDR-H3序列预测基于CDR-H3序列的绑定亲和关系.
主要成果:
- 与天然抑制剂,金属蛋白酶组织抑制剂 (TIMPs) 相比,工程化scFv突变体表现出对MMP-9的优越结合.
- 确定负责scFv变种增强结合的关键分子决定因素.
- 开发一种深度学习模型,能够从CDR-H3序列中预测scFv结合亲缘关系.
结论:
- 针对MMP-9的工程scFvs显示出作为治疗剂的巨大潜力.
- 了解scFv-MMP-9相互作用的分子基础有助于合理的药物设计.
- 深度学习为加速开发基于抗体的治疗方法提供了一个强大的工具.
