通过罗神经网络划分SARS-CoV-2尖端蛋白和抗体相互作用接口:一个几何和基于图像的分析
Gemma Loreti1, Paola Vottero2, Elena Carlotta Olivetti1
1Department of Management and Production Engineering, Politecnico di Torino, Corso Duca degli Abruzzi, Turin, Italy.
PloS one
|November 4, 2025
概括
这项研究引入了一种新的深度学习方法,使用罗神经网络来分析抗体-抗原相互作用. 该方法准确预测稳定的蛋白质复合体,有助于设计新的抗体和疫苗.
科学领域:
- 免疫学 免疫学 免疫学
- 生物医学研究生物医学研究
- 人工智能的人工智能
背景情况:
- 分析抗原和抗体之间的分子相互作用对于理解免疫反应和开发疗法至关重要.
- 区分稳定和不稳定的蛋白质复合体对于设计有效的治疗抗体和疫苗至关重要.
- 深度学习模型为复杂的生物医学研究提供了先进的工具.
研究的目的:
- 引入一种新的深度学习方法来分析抗体-抗原相互作用,特别是针对SARS-CoV-2尖端蛋白向抗体.
- 通过将深度图与分子表面的几何描述符集成,区分稳定和不稳定的蛋白质复合体.
- 提高治疗抗体和疫苗的设计过程.
主要方法:
- 一个罗神经网络被开发来整合深度图和分子表面的几何描述器.
- 该网络接受了基于图像的抗原和抗体接口表示的训练,包括SARS-CoV-2尖端蛋白受体结合域的结合剂和非结合剂.
- 该模型比较分子表面的特征向量来预测相互作用稳定性;更接近的向量表明稳定的相互作用.
主要成果:
- 深度学习网络在预测抗体-抗原相互作用方面取得了90%的准确性.
- 深度图和几何描述符的整合有效地捕获了形状互补性,以区分复杂的稳定性.
- 该模型在预测不同配置之间的相互作用方面表现出了强度.
结论:
- 这种以人工智能为驱动的创新方法对新型抗体和疫苗的合理设计充满了希望.
- 该方法为分析免疫学和药物发现至关重要的分子相互作用提供了强大的工具.
- 准确预测相互作用稳定性可以加速向免疫疗法的开发.
