抗体亲和力优化¶
抗体亲和力优化旨在提高抗体与其目标抗原之间的结合亲和力。这是抗体工程中的一个关键步骤。
功能亮点¶
GearBind 使用先进的深度学习模型来预测突变对抗体-抗原结合亲和力的影响。它允许用户快速通过计算的方法评估大量抗体变体,并识别最有希望的变体进行实验验证。
突变位点可以灵活指定。例如，您可以针对整个 CDR 区或与抗原接触的全部氨基酸进行突变。GearBind 将返回根据预测的结合亲和力改善对顶级突变进行排名。
输入¶
要提交抗体亲和力优化作业，请在项目编辑器中打开，并从“结合分析”下拉菜单中选择“亲和力优化”。
- Antibody-Antigen Complex（抗体-抗原复合物）：上传包含抗体-抗原复合物结构的 PDB 或 mmCIF 文件。
- Ligand（配体链）：指定配体（抗体）的链 ID，例如
H,L。 - Target（靶点链）：指定靶点（抗原）的链 ID，例如
C。 - Mutation Sites（突变位点）：待突变的残基，格式为“链:起始-结束”，多个片段以半角（英文）逗号相连，例如
H:100-112,L:50-60。 - Top Mutations（返回的最优突变数）：要返回的最优突变的数量。不得大于突变位点的数量与氨基酸种数之积。
- Job Name（任务名称）：任务的名称。请注意，任务名称必须在项目内唯一。
结果¶
结果包含突变的预测结合亲和力变化( DDG )和建模的突变体结构。
点击文件和作业面板中的作业名称查看结果。
主要结果汇总在一个表格中( summary.csv )，列为：
- mutation：突变格式为“链+残基ID+突变氨基酸”，例如
H103Y。 - ddg：突变的预测结合自由能变化，单位为 kcal/mol。更负的值表示更强的结合。
- file_urls：建模突变体 PDB 文件 URL。
您可以点击“文件”图标来可视化和分析突变体结构。