通过高通量选改进基于ML的粘合剂设计:mRNA和酵母显示技术的比较

科学领域:

• 生物技术是生物技术.
• 计算生物学 计算生物学
• 蛋白质工程是指蛋白质工程.

背景情况:

• 机器学习 (ML) 加快了蛋白质结合剂设计,但实验验证滞后,造成了瓶.
• 迷你蛋白因其大小,稳定性和生产效率而具有前景的治疗方法.
• 高通量选平台对于验证计算设计的结合剂至关重要.

研究的目的:

• 为了比较mRNA显示和酵母表面显示,用于选ML设计的迷你蛋白质结合剂.
• 评估两个平台在针对TLT-1和B7-H3.3的功能结合剂识别方面的表现.
• 评估这些平台对于治疗性小蛋白发现的适用性.

主要方法:

• 使用mRNA显示器和酵母表面显示器对ML设计的迷你蛋白库进行选.
• 使用共享的DNA库直接比较平台性能.
• 选择的结合物的生物物理特征,以评估结合亲和力和稳定性.

主要成果:

• 无论mRNA还是酵母,都显示了已识别的功能性小蛋白质结合剂.
• mRNA显示显示出优越的图书馆覆盖范围和优先丰富的结合物,分离速度较慢.
• 来自两种平台的选择性结合剂都表现出强烈的结合亲和力和高热稳定性.

结论:

• 将基于ML的设计与mRNA显示等体外选择技术集成,为治疗性小蛋白发现提供了一个可扩展的框架.
• mRNA显示器是用于高通量选的强大工具,有可能挽救基于细胞的系统错过的功能设计.
• 这项研究提供了一种经过验证的方法,以加快新型小蛋白疗法的发现.