ParaSurf: 항체 부위-항원 상호작용 예측을 위한 표면 기반 딥러닝 접근법

동기항체 결합 부위를 식별하는 것은 백신 및 치료용 항체 개발에 필수적이며, 이러한 과정은 시간과 비용이 많이 소요됩니다. 항체의 결합 부위(Paratope)를 정확히 예측할 수 있다면, 항체-항원 상호작용에 대한 이해를 향상시켜 개발 속도를 크게 증가시킬 수 있습니다.결과우리는 표면 기하학적 특성과 비기하학적 요인을 모두 포함하여, 파라토프(Paratope) 예측 성능을 크게 향상시킨 딥러닝 모델인 ParaSurf를 제안합니다. 세 가지 주요 항체-항원 벤치마크 데이터셋에서 훈련 및 검증한 결과, ParaSurf는 거의 모든 평가 지표에서 최신 기술(SOTA, State-of-the-Art) 수준의 성능을 달성했습니다. 기존 모델들이 변형 영역(V region)에 국한되는 것과 달리, ParaSurf는 항체의 전체 Fab 영역에 걸쳐 정확한 결합 점수를 예측할 수 있는 능력을 보였습니다. 또한, 사용된 세 가지 데이터셋 중 가장 큰 데이터셋을 기반으로 광범위한 분석을 수행하였으며, 주요 세 가지 요소에 초점을 맞췄습니다: (1) 보완성 결정 영역(CDR) 루프별로 파라토프 예측 성능을 세밀하게 평가한 결과, (2) 무게 사슬(heavy chain) 데이터만으로 훈련된 모델의 성능, (3) 무게 사슬 데이터를 포함하지 않고 경사 사슬(light chain) 데이터만으로 훈련된 모델의 성능 분석.공개 및 구현ParaSurf의 소스 코드, 사용된 데이터셋, 전처리 파이프라인, 및 훈련된 모델 가중치는 공개되어 있으며, https://github.com/aggelos-michael-papadopoulos/ParaSurf 에서 무료로 다운로드 가능합니다.보충 정보보충 자료는 Bioinformatics 온라인에서 제공됩니다.