Mining antibody functionality via AI-guided structural landscape profiling

尽管单细胞筛选技术取得了显著进展，抗体（Ab）库仍然难以捉摸。本研究表明，利用高通量测序获得的大数据，可以将抗体序列与其功能联系起来。利用广泛的SARS-CoV-2疫情数据，我们开发了一种基于AI的方法来揭示抗体库的中和潜力。我们采用机器学习处理抗体-RBD复合物的公开3D结构数据，并创建了一个综合工具RBD-AIM（https://rbdaim.2a2i.org/），用于基于抗体序列的高通量预测结构抗体表位。使用RBD-AIM，我们分析了本地大数据来源，以评估疫苗接种后产生的固有B细胞库的功能生物多样性，并在酵母展示系统中通过单细胞微流控进行重建。该流程能够快速分离出能够促进转基因hACE2+小鼠在SARS-CoV-2感染致死模型中存活的中和抗体。我们相信，AI引导的序列-功能关联可以成功应用于进一步高通量发现治疗性抗体以及抗体库的功能分析。计算方法可用于寻找针对SARS-CoV-2等病毒的高效中和抗体。在此，作者使用AI方法来描绘抗体景观，预测特异性和抗体-抗原结构，筛选出高效中和抗体，并证明这些抗体在小鼠模型中能够抵抗SARS-CoV-2的挑战。

Keyword:

Antibodies

Infection

Molecular modelling

Protein function predictions

X-ray crystallography

Science

Humanities and Social Sciences

multidisciplinary

Mining antibody functionality via AI-guided structural landscape profiling

摘要

AI总结

期刊

机构

引用论文