抗体エピトープの計算駆動型識別

抗体が抗原を認識する場所を理解することは、作用のメカニズムを定義し、免疫応答の進行に関する洞察を提供するのに役立ちます。アミノ酸配列に暗黙的にエンコードされた結合特異性に関する情報を活用して、抗体エピトープを識別できる程度を調査します。計算駆動型エピトープ局在では、抗体抗原結合モードの可能性がモデル化され、抗原バリアントの標的パネルがこれらの仮説を実験的にテストするように設計されています。2つの抗体へのこのアプローチの前向き適用により、抗体ごとに5つ以下のバリアント、または同時に6変異パネルを使用してエピトープの局在化が可能になりました。さまざまな抗体と抗原のレトロスペクティブ分析により、平均3つの抗原バリアントでほぼ90％の成功率が示され、計算モデリングとタンパク質設計の組み合わせが抗体抗原結合の重要な決定要因を明らかにし、効率的な研究を可能にする可能性があるという観察結果をさらにサポートしています。ポリクローナルサンプルまたは工学的ライブラリから特定された抗体の収集の。

Understanding where antibodies recognize antigens can help define mechanisms of action and provide insights into progression of immune responses. We investigate the extent to which information about binding specificity implicitly encoded in amino acid sequence can be leveraged to identify antibody epitopes. In computationally-driven epitope localization, possible antibody-antigen binding modes are modeled, and targeted panels of antigen variants are designed to experimentally test these hypotheses. Prospective application of this approach to two antibodies enabled epitope localization using five or fewer variants per antibody, or alternatively, a six-variant panel for both simultaneously. Retrospective analysis of a variety of antibodies and antigens demonstrated an almost 90% success rate with an average of three antigen variants, further supporting the observation that the combination of computational modeling and protein design can reveal key determinants of antibody-antigen binding and enable efficient studies of collections of antibodies identified from polyclonal samples or engineered libraries.