社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

【CELL RES】曹雪涛院士团队最新研究!基于ACNN的深度学习框架:可预测针对新冠病毒及其奥密克戎变体的广泛反应性抗体

转化医学网 • 2 年前 • 308 次点击  

本文为转化医学网原创,转载请注明出处 

作者:Mia

导读:COVID-19大流行已经持续了近两年半,SARS-CoV-2的新变种(VOCs)不断出现,这敦促人们开发广泛中和抗体。据报道,delta (B.1.617.2系)和Omicron (BA.1和BA.2)等变种对目前的一些治疗性抗体表现出免疫逃避。

9月27日,曹雪涛院士团队在Cell Research上在线发表了一篇题为“Deep learning-based rapid generation of broadly reactive antibodies against SARS-CoV-2 and its Omicron variant”的研究论文。该论文报告了一种基于空洞卷积神经网络(ACNN)的深度学习框架:交叉反应性B细胞受体网络(XBCR-net)——可以直接从单细胞BCR序列预测针对SARS-CoV-2和VOCs的广泛反应性抗体。基于ACNN的XBCR-net具有比其他框架更高的准确率,精度和召回率。

https://www.nature.com/articles/s41422-022-00727-6#MOESM1

基于ACNN的深度学习框架XBCR-net开发广泛反应性抗体

 01 

不断进化的SARS-CoV-2需要我们快速预测抗体与新变体的结合,并开发广泛中和抗体。考虑到深度学习在抗体工程和优化中的应用,研究人员猜测是否可以通过深度学习快速设计和生成抗SARS-CoV-2变异体的反应广泛的抗体。

基于空洞卷积神经网络(ACNN)的深度学习框架XBCR-net由两部分组成,第一部分通过三分支ACNN提取抗体-抗原相互作用的相关特征;第二部分通过残差结构多层感知机(residual structural Multi-Layer Perceptron)预测抗体与抗原(14个不同RBD序列)的结合概率。

验证过程

 02 

为了评估XBCR-net对未知VOCs的适应性,研究人员采用Omicron新变种(BA.1、BA.2和BA.4)的RBD和142株抗Omicron单抗(包括治疗性抗体LY-CoV016、AZD-1061、REGN10933和S309)进行了测试。XBCR-net预测142个结合剂中的102个为阳性,142个非结合剂(不与Omicron结合的抗SARs - CoV -2抗体)中的116个为阴性,说明了XBCR-net在没有先验知识的情况下预测与Omicron结合的抗体的实用性。

然后,研究人员使用XBCR-net在从未被Omicron变体感染的COVID患者(GSE171703)的单细胞BCR数据集中预测SARS-CoV-2野生型(WT)和VOC结合物。基于80%的HCDR3序列相似性,研究人员从预测的SARS-CoV-2结合物和Omicron变体结合物中鉴定出153个和89个簇。

如图所示,其中有三个簇的大小大于8,预计对SARS-CoV-2和Omicron变体都具有交叉反应。簇1高度收敛于由 IGHV1-58 编码的经过充分研究的公共克隆型,包括治疗性抗体 Tixagevimab。另外两个簇也分别属于由IGHV3-30和IGHV4-59 V区编码的公共抗SARS - CoV -2克隆型。另外还有一些4簇抗体,它们与SARS-CoV-2结合,但不与SARS-CoV结合。

XBCR-net预测,在6743个BCRs中,有336个BCR对WT SARS-CoV-2及其VOCs的RBD区具有交叉反应,而只有54个BCR对SARS-CoV的RBD区具有交叉反应。

研究人员从过滤的抗体列表中选择了10个IGHV3-30抗体和15个具有不同IGHV用途的抗体。与1 μg/mL阴性对照抗体相比,所有25株单抗均与WT SARS-CoV-2的RBD有显著结合。与Omicron验证数据集一致的是,25株单抗中有20株在1 μg/mL时对SARS-CoV-2 Omicron变体的RBD也有交叉反应。而有趣的是,研究中所有的IGHV3-30抗体都能够结合Omicron变体。为了进一步实证验证XBCR-net,研究人员还将其应用于克隆的25单抗SARS-CoV结合。最终结果也证明了XBCR-net在不需要额外训练数据的情况下,可以将BCR交叉反应外推到新出现的变异

研究总结

 03 

由于SARS-CoV-2在不断发展,新变异体的治疗方法需要迅速更新,以便做出临床决策。从XBCR-net的预测中,可以发现从IGHV3-30和IGKV1-13编码的簇中衍生的单克隆抗体除了SARS-CoV-2之外,还可以与SARS-CoV和Omicron变体结合,表明IGHV3-30,IGKV1-13编码簇可以进一步开发为针对SARS-CoV和SARS-CoV-2的广泛中和抗体。

总而言之,XBCR-net可以预测针对新发现的SARS-CoV-2变体的广泛反应性抗体,而无需事先了解新的变体特异性抗体,有助于快速产生针对SARS-CoV-2变体和其他新兴病毒的抗体。

参考资料:

https://www.nature.com/articles/s41422-022-00727-6#MOESM1

注:本文旨在介绍医学研究进展,不能作为治疗方案参考。如需获得健康指导,请至正规医院就诊。

推荐·直播/活动

09月27日 14:00-17:30 上海

创新技术助力肿瘤精准诊疗高峰论坛

扫码免费参加

11月01-02日 09:00-17:30 重庆

首届西南单细胞组学技术应用论坛

扫码免费参加

11月25-27日 09:00-17:30 上海

第四届上海国际癌症大会

扫码参加

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/147699
 
308 次点击