通过蛋白质语言模型引导的同类学识别微生物蛋白质酶过敏原
Kumar Thurimella1, Elena Wu2, Chenhao Li3
1Broad Institute of MIT and Harvard, Cambridge, MA 02142, USA; Center for Computational and Integrative Biology and Department of Molecular Biology, Massachusetts General Hospital, Harvard Medical School, Boston, MA 02114, USA; Department of Chemical Engineering and Biotechnology, University of Cambridge, Cambridge CB3 0AS, UK; School of Medicine, University of Colorado Anschutz Medical Campus, Aurora, CO 80045, USA.
这项研究使用人工智能在肠道和口腔微生物组中发现新的引起过敏的蛋白质,称为血清蛋白酶 (SPs). 这些发现为过敏研究和治疗提供了新的目标.
科学领域:
- 微生物学 微生物学
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
背景情况:
- 新兴研究表明肠道,皮肤和口腔微生物组与过敏性疾病有关.
- 血清蛋白酶 (SPs) 越来越多地被认为是这些微生物群落中的潜在过敏原.
研究的目的:
- 开发和应用深度学习模型来识别超基因组数据中的过敏原性SP.
- 在人类微生物组中发现新的候选过敏原.
主要方法:
- 使用预训练的蛋白质语言模型 (pLMs) 来识别氨酸水溶酶中的催化氨酸残留物.
- 开发了一个深度学习框架,以使用保存的催化三合体在基因目录中检测SP过敏原.
- 在模型系统中通过实验免疫验证预测过敏原.
主要成果:
- 成功识别了催化血清残留物,证明了pLMs捕获结构信息的能力.
- 预测了类似于V8蛋白酶的假定SP过敏原和类似于Derf 1的囊蛋白酶.
- 实验验证证证实了已识别的蛋白酶的过敏性潜力,诱导过敏反应.
结论:
- 深度学习方法有效地识别了元基因组数据中的新型过敏原血清蛋白酶.
- 这种方法扩大了超越传统技术的过敏原发现范围.
- 已识别的候选过敏原为了解和管理过敏提供了新的目标.
更多相关视频
09:47The Determination of Protease Specificity in Mouse Tissue Extracts by MALDI-TOF Mass Spectrometry: Manipulating PH to Cause Specificity Changes
Published on: May 25, 2018
09:09Removal and Replacement of Endogenous Ligands from Lipid-Bound Proteins and Allergens
Published on: February 24, 2021
