使用深度学习,精确地对三个非重叠的蛋白质表观体进行单域支架

科学领域:

• 结构生物学是结构生物学.
• 蛋白质工程是一种蛋白质工程.
• 免疫学 免疫学 免疫学

背景情况:

• 传统的de novo蛋白质设计在架构单一的功能性图案方面表现出色.
• 自然存在的蛋白质通常具有多个功能部位,这构成了设计上的挑战.
• 在单个蛋白质域内架构多个不同的功能站点仍然是一个重大障碍.

研究的目的:

• 开发基于深度学习的方法,同时在单域蛋白中架构多个功能站点.
• 设计小型单域免疫原体,呈现三种不同的呼吸道同胞性病毒基因.
• 为了评估设计的多皮托普蛋白质的结构准确性和免疫性.

主要方法:

• 利用生成型深度学习模型进行新型蛋白质设计.
• 设计的单域蛋白质在130个残留下包含三个特定的呼吸道同胞性病毒基因.
• 采用X射线晶体学用于图案呈现的结构验证.
• 通过动物模型的交叉反应标位和中和反应来评估免疫性.

主要成果:

• 成功设计了具有不寻常折叠的小型单域蛋白质,与现有的蛋白质数据库结构几乎没有全球相似之处.
• 射线晶体学证实了蛋白质表面上所有三种设计图案的准确呈现.
• 与单个表位免疫原体相比,多表位免疫原体的设计引起了改善的交叉反应标位和中和反应.
• 证明了在一个紧的单域蛋白内呈现三个不同的结合表面的可行性.

结论:

• 生成型深度学习是应对复杂蛋白质设计挑战的强大工具,包括同时构建多个功能站点的支架.
• 设计的多皮托普免疫原体显示出增强针对呼吸道同胞病毒的疫苗开发的希望.
• 这项工作推动了新型蛋白质设计领域的发展,使复杂的多功能蛋白质能够被创造出来.