BRAVE:使用蛋白质的大型语言模型预测HIV-1抗体耐药性的高精度方法
Mohammed El Anbari1, Tatsiana Bylund1, Sijy O'Dell1
1Vaccine Research Center, National Institute of Allergy and Infectious Diseases, National Institutes of Health, Bethesda, MD 20892, USA.
bioRxiv : the preprint server for biology
|September 19, 2025
概括
一个新的机器学习工具BRAVE准确地预测了人类免疫缺陷病毒-1 (HIV-1) 对广泛中和抗体 (bNAbs) 的耐药性. BRAVE的性能优于现有方法,有助于对HIV-1治疗和预防策略的临床决策.
科学领域:
- 免疫学 免疫学 免疫学
- 病毒学 病毒学
- 计算生物学 计算生物学
背景情况:
- 广泛中和抗体 (bNAbs) 对于HIV-1预防和治疗至关重要.
- 快速的HIV-1突变导致中和耐药性,限制了bNAb的疗效.
- 需要预测性计算方法来预测HIV-1对bNAbs的耐药性.
研究的目的:
- 开发和验证一种新的机器学习方法,BRAVE (通过进化规模建模2进行Bnab抵抗分析),用于预测HIV-1对33个bNAbs的抗性.
- 评估BRAVE的性能与现有的最先进的阻力预测工具相比.
主要方法:
- 使用Random Forests分类器与蛋白质语言模型集成,以捕获必要的蛋白质特征.
- 在对抗33个已知的bNAbs的HIV-1分离物上训练并评估了BRAVE.
- 进行严格的统计比较,将BRAVE与领先的预测工具进行比较.
主要成果:
- BRAVE在关键指标上表现出卓越的表现,包括精度,曲线下的面积,对数损失和F1得分.
- 统计分析证实,与当前最先进的工具相比,BRAVE的准确性明显更高 (p<0.001).
- 该模型有效地捕捉了与bNAb耐药性相关的蛋白质特征.
结论:
- BRAVE代表了预测HIV-1中和耐药性的重大进展.
- 该工具可以为有关bNAb选择和使用的临床决策提供信息.
- 布雷夫 (BRAVE) 促进了对HIV-1感染个体病毒逃逸的基于序列的监测.
更多相关视频
10:29Quantitative Structure-Activity Relationship, Activity Prediction, and Molecular Dynamics of Non-nucleotide Reverse Transcriptase Inhibitors
Published on: May 9, 2025
2.2K
07:06Prediction of HIV-1 Coreceptor Usage Tropism by Sequence Analysis using a Genotypic Approach
Published on: December 1, 2011
13.7K
