采矿抗体功能通过人工智能引导的结构景观分析

科学领域:

• 免疫学 免疫学 免疫学
• 生物信息学是一种生物信息学.
• 人工智能的人工智能

背景情况:

• 尽管单细胞查取得了进展,但对抗体 (Ab) 库的了解仍然很少.
• 高通量测序产生了大量数据,为更深入了解 Ab 功能提供了潜力.

研究的目的:

• 开发一种基于人工智能的方法,将抗体序列与它们对SARS-CoV-2的中和潜力联系起来.
• 创建一个基于序列数据的抗体表位的高通量预测工具.
• 分析B细胞谱的功能生物多样性.

主要方法:

• 利用来自高通量测序和SARS-CoV-2流行病数据的大数据.
• 采用机器学习来处理抗体受体结合域 (RBD) 复合体的3D结构数据.
• 开发了RBD-AIM工具,用于从抗体序列预测结构性抗体表位.
• 使用单细胞微流体和酵母显示器分析了原生和重建的B细胞目录.

主要成果:

• 开发了一种基于人工智能的方法来预测抗体中和潜力.
• 该RBD-AIM工具使得抗体表位的高通量预测.
• 分析显示,疫苗接种后B细胞的功能生物多样性.
• 该管道促进了在致命的SARS-CoV-2感染模型中保护小鼠的中和抗体的隔离.

结论:

• 可以建立一个人工智能引导的序列功能链接来发现抗体.
• 这种方法使得治疗抗体的高通量发现和功能分析成为可能.
• 开发的管道加速了强大的中和抗体的识别.