深度学习引导的协同PD-1和LAG-3封锁的理性工程,用于增强瘤免疫调节
Shanza Mazhar1, Taskeen Koser1, Rana Rehan Khalid2
1National Center for Bioinformatics, Quaid-i-Azam University, Islamabad, Pakistan.
Journal of computer-aided molecular design
|November 4, 2025
概括
我们使用深度学习设计了针对免疫检查点PD-1和LAG-3的先进单克隆抗体 (mAbs). 这种方法通过改善抗体结合和稳定性来增强癌症的组合免疫疗法.
科学领域:
- 蛋白质工程是一种蛋白质工程.
- 免疫治疗是一种免疫疗法.
- 计算生物学是一种计算生物学.
背景情况:
- 癌细胞通过PD-1和LAG-3等检查点逃避免疫反应.
- 针对这些检查点的组合免疫疗法对于最大限度地减少癌细胞逃避至关重要.
- 优化抗体结合亲和力和稳定性是瘤微环境中治疗疗效的关键.
研究的目的:
- 设计针对PD-1和LAG-3的新型单克隆抗体 (mAbs),以提高结合亲和力和治疗潜力.
- 开发基于深度学习的反向建模管道,用于抗体序列设计.
- 创建一个强大的框架来设计下一代癌症免疫疗法.
主要方法:
- 利用深度学习,特别是传递信息的图形神经网络,用于反向蛋白质序列设计.
- 选择已建立的抗体作为模板,并通过计算改进它们.
- 根据物理化学准确性,进化可行性,经验验证和几何互补性来过设计的变体.
- 进行了热稳定性,免疫性和分子动力学 (MD) 模拟,以进行严格的评估.
主要成果:
- 与参考抗体相比,确定了七种抗体变异,具有增强的网络稳定性和优越的结合亲和力.
- 深度学习框架成功预测了功能可行的氨基酸替代.
- 计算评估证实了设计抗体的性能改善和结构完整性.
结论:
- 建立了一个强大的和可扩展的框架来设计免疫检查点抑制剂 (ICI).
- 确定了针对PD-1和LAG-3的有前途的抗体,用于下一代癌症免疫治疗.
- 工程抗体表明,在组合免疫疗法中改善治疗结果的潜力.
