Vorhersage von Antikörper-Interfacen mit 3D-Zernike-Deskriptoren und SVM

MotivationAntikörper sind eine Klasse von Proteinen, die in der Lage sind, nahezu unendlich viele Antigene spezifisch zu erkennen und zu binden. Diese hohe Bindungsmalleabilität macht sie zur wertvollsten Kategorie von Biopharmazeutika sowohl für diagnostische als auch für therapeutische Anwendungen. Die korrekte Identifizierung der Antigen-bindenden Reste in Antikörpern ist entscheidend für alle Methoden der Antikörper-Design- und -Engineering-Techniken und könnte zudem zur besseren Verständnis der komplexen Antigen-Bindungsmechanismen beitragen. Die Vorhersage der Antikörper-Bindungsinterface-Regionen erscheint jedoch weiterhin als relativ wenig entwickeltes Forschungsfeld.ErgebnisseWir präsentieren eine neuartige Methode zur Vorhersage von Antikörper-Interfaces auf Basis experimentell aufgeklärter Strukturen, die auf 3D-Zernike-Deskriptoren basiert. Rotations- und translationsinvariante Deskriptoren werden aus kreisförmigen Patchen der Antikörperoberfläche berechnet, die mit einer ausgewählten Teilmenge physikochemischer Eigenschaften aus der AAindex1-Aminosäure-Index-Sammlung angereichert sind, und dienen als Merkmale für ein binäres Klassifikationsproblem. Ein SVM-Klassifikator wird eingesetzt, um Oberflächenpatche des Interfaces von Nicht-Interface-Patchen zu unterscheiden. Die vorgeschlagene Methode zeigte eine bessere Leistung als bestehende Softwaretools zur Vorhersage von Antigen-Bindungs-Interfaces.Verfügbarkeit und ImplementierungLinux-Binaries und Python-Skripte sind unter https://github.com/sebastiandaberdaku/AntibodyInterfacePrediction verfügbar. Die während dieser Studie generierten und/oder analysierten Datensätze sind über https://doi.org/10.6084/m9.figshare.5442229 zugänglich.ZusatzinformationenZusätzliche Daten sind online bei Bioinformatics verfügbar.