抗体工程 - 基于结构预测抗体可变区的天冬氨酸与天冬酰胺的降解位点

时间:2014-10-23

Structure-Based Prediction of Asparagine and Aspartate

Degradation Sites in Antibody Variable Regions

PLOS ONE  (2014)  Volume 9 Issue 6   e100736

文献链接http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0100736#pone-0100736-g001

      抗体药物的开发往往需要对大量的抗体序列进行筛选,为了优化抗体设计的效率和保证抗体在体内的稳定性,在体外筛选前最好能够将潜在的不稳定的序列识别出来并剔除。抗体上的,特别是抗原识别区上的天冬氨酸和天冬酰氨由于容易发生异构化和脱酰胺反应,从而导致抗体的失活。尽管这些降解可以通过质谱观察到,但是质谱的检测费时费力,为了提高该降解反应预测的效率,罗氏制药的科学家构建相关的模型,通过计算机的方法基于结构预测抗体可变区的天冬氨酸和天冬酰氨的潜在降解位点。

      作者首先选择了37种不同治疗作用的单克隆抗体(包括IgG1, IgG2和IgG4),通过LC-MS/MS测得抗体的天冬酰氨和天冬氨酸的降解位点。随后通过同源建模的方法,构建出抗体的3D结构,并进行结构分析,并选取了20个跟结构相关的参数进行数据建模。

      作者使用多种数据建模方法构建预测抗体可变区内的天冬氨酸和天冬酰氨的降解位点,包括支持向量机(svm)、神经网络(nnet),贝叶斯模型(BayesClassifier)、Pipeline Pilot中的决定树(PP tree)模型等。经过比较,PP的决定树模型预测能力最好(图1)。

                                      

图1 通过ROC图比较多种基于3D的及基于序列的模型预测能力。其中,PP的决定树模型(PP tree4,黄色圆圈)的预测能力优于其他模型。

图2  基于Pipeline Pilot构建的Asp和Asn的决定树模型