人工智能设计的,对多个SARS-CoV-2菌株的广泛中和抗体具有抗变性.
Yue Kang1, Kevin Jin1, Lurong Pan2
1Ainnocence Inc., Suite B PMB 1147, Mountain View, CA, 94040, USA.
Scientific reports
|May 3, 2025
概括
研究人员创建了SARS-CoV-2的数字双胞胎,以设计中和抗体. 人工智能设计的抗体对包括Omicron在内的多个菌株表现出有效性,显示出未来抗病毒疗法的潜力.
科学领域:
- 病毒学 病毒学
- 计算生物学 计算生物学
- 免疫学 免疫学 免疫学
背景情况:
- SARS-CoV-2 变种的出现需要快速开发有效的抗病毒疗法.
- 现有的抗体设计方法往往耗时,可能无法预测病毒的演变.
研究的目的:
- 为SARS-CoV-2开发一个全面的数字双胞胎.
- 通过计算设计和实验验证对各种SARS-CoV-2菌株的中和抗体.
- 评估AI在预测病毒演变和指导治疗设计方面的潜力.
主要方法:
- 使用机器学习,自然语言处理和蛋白质建模集成各种数据类型和元数据.
- 开发SARS-CoV-2的数字双胞胎,专注于受体结合域 (RBD).
- 针对超过1300个具有64个突变的历史菌株的抗体的计算设计.
- 使用结合和病毒中和测试对70种人工智能设计的抗体进行实验验证.
主要成果:
- 70个人工智能设计的抗体在实验中对多个SARS-CoV-2菌株进行了验证,包括Omicron变种.
- 14%的设计抗体对多个菌株的RBD表现出强烈的交叉反应.
- 10个抗体中和了三角洲菌株 (IC50<10μg/ml),一个中和了欧米克朗.
结论:
- 开发的数字双胞胎方法是有效的计算设计中和抗体.
- 由人工智能驱动的策略可以预测病毒演变,并加速广泛的抗病毒治疗的开发.
- 这种方法对未来针对病毒病原体的治疗干预具有重大前景.
更多相关视频
06:08Author Spotlight: A Pseudotype Virus System for Assessing Omicron Subvariants and Neutralizing Antibodies in SARS-CoV-2 Research
Published on: September 8, 2023
1.0K
10:25Detection of SARS-CoV-2 Neutralizing Antibodies using High-Throughput Fluorescent Imaging of Pseudovirus Infection
Published on: June 5, 2021
4.2K
相关概念视频
00:42Cross-reactivity
30.9K
Overview
30.9K
00:36Viral Mutations
32.0K
A mutation is a change in the sequence of bases of DNA or RNA in a genome. Some mutations occur during replication of the genome due to errors made by the polymerase enzymes that replicate DNA or RNA. Unlike DNA polymerase, RNA polymerase is prone to errors because it is not capable of “proofreading” its work. Viruses with RNA-based genomes, like HIV, therefore accrue mutations faster than viruses with DNA-based genomes. Because mutation and recombination provide the raw material...
32.0K