使用遗传序列和抗体相似性预测病毒对抗体的敏感性
Kai S Shimagaki1,2, Gargi Kher1, Rebecca M Lynch3
1Department of Computational and Systems Biology, University of Pittsburgh School of Medicine, USA.
bioRxiv : the preprint server for biology
|August 20, 2025
概括
预测人类免疫缺陷病毒 (HIV) -1 对抗体的敏感性至关重要. 集成中和学习 (GNL) 使用遗传序列来准确预测病毒中和,帮助治疗设计.
科学领域:
- 病毒学 病毒学
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 像HIV-1这样的基因多样化的病原体表现出可变的抗体敏感性.
- 预测病毒敏感性是设计有效抗体疗法和理解耐药性的关键.
- 对所有病毒-抗体对进行实验性中和测试是不可行的,因为组合复杂性.
研究的目的:
- 开发一种使用遗传序列的病毒中和值的预测方法.
- 创建一个模型,利用抗体中和配置的相似性.
- 为了能够预测新型病毒菌株,并在数据集之间传输知识.
主要方法:
- 开发了集体中和学习 (GNL),一种简单且可解释的预测方法.
- 利用病毒遗传序列和抗体中和化配置文件.
- 将GNL性能与最先进的方法进行比较.
主要成果:
- GNL准确地预测了中和值,超过了现有的方法.
- 该模型对参数假设的变化具有稳定性.
- 在没有先前的实验数据的情况下,GNL成功地预测了病毒的中和.
- 在独立的数据集之间展示了知识转移.
结论:
- GNL提供了一种强大而有效的方法来预测病毒-抗体相互作用.
- 这种方法可以加速基于抗体的HIV-1疗法的设计.
- GNL提供了对病毒耐药性演变的洞察力,并有助于评估新的病毒菌株.


