SEPPA-mAb: spatial epitope prediction of protein antigens for mAbs

表位 单克隆抗体 计算生物学 抗原 生物 线性表位 互补性(分子生物学) 表位定位 互补决定区 抗体 稳健性(进化) 糖蛋白 对接(动物) 分子生物学 免疫学 遗传学 基因 医学 护理部
作者
Tianyi Qiu,Lu Zhang,Zikun Chen,Yuan Wang,Tiantian Mao,Caicui Wang,Yewei Cun,Genhui Zheng,Dapeng Yan,Mengdi Zhou,Kailin Tang,Zhiwei Cao
出处
期刊:Nucleic Acids Research [Oxford University Press]
卷期号:51 (W1): W528-W534 被引量:3
标识
DOI:10.1093/nar/gkad427
摘要

Abstract Identifying the exact epitope positions for a monoclonal antibody (mAb) is of critical importance yet highly challenging to the Ab design of biomedical research. Based on previous versions of SEPPA 3.0, we present SEPPA-mAb for the above purpose with high accuracy and low false positive rate (FPR), suitable for both experimental and modelled structures. In practice, SEPPA-mAb appended a fingerprints-based patch model to SEPPA 3.0, considering the structural and physic-chemical complementarity between a possible epitope patch and the complementarity-determining region of mAb and trained on 860 representative antigen-antibody complexes. On independent testing of 193 antigen-antibody pairs, SEPPA-mAb achieved an accuracy of 0.873 with an FPR of 0.097 in classifying epitope and non-epitope residues under the default threshold, while docking-based methods gave the best AUC of 0.691, and the top epitope prediction tool gave AUC of 0.730 with balanced accuracy of 0.635. A study on 36 independent HIV glycoproteins displayed a high accuracy of 0.918 and a low FPR of 0.058. Further testing illustrated outstanding robustness on new antigens and modelled antibodies. Being the first online tool predicting mAb-specific epitopes, SEPPA-mAb may help to discover new epitopes and design better mAbs for therapeutic and diagnostic purposes. SEPPA-mAb can be accessed at http://www.badd-cao.net/seppa-mab/.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
waerteyang发布了新的文献求助10
刚刚
1秒前
1秒前
xiexie发布了新的文献求助10
2秒前
yjn完成签到,获得积分10
2秒前
科研張应助高高的枫叶采纳,获得20
3秒前
qiuqiu完成签到 ,获得积分10
3秒前
酷波er应助lyz666采纳,获得10
3秒前
狂野傲南完成签到,获得积分10
4秒前
4秒前
sheep发布了新的文献求助10
5秒前
5秒前
科研通AI2S应助苏柏亚采纳,获得10
6秒前
6秒前
RebeccaHe应助surfing采纳,获得20
6秒前
7秒前
7秒前
7秒前
所所应助Lee采纳,获得10
7秒前
自由以亦完成签到,获得积分10
8秒前
汉堡包应助感性的又槐采纳,获得10
8秒前
8秒前
10秒前
11秒前
11秒前
11秒前
蔬菜狗狗发布了新的文献求助10
13秒前
13秒前
13秒前
Aki发布了新的文献求助10
14秒前
14秒前
14秒前
天选之子发布了新的文献求助30
15秒前
15秒前
Papillon发布了新的文献求助10
15秒前
eui完成签到,获得积分10
16秒前
小彭发布了新的文献求助10
17秒前
小小邹发布了新的文献求助10
17秒前
SciGPT应助少虡采纳,获得10
18秒前
破壳关注了科研通微信公众号
19秒前
高分求助中
Sustainability in Tides Chemistry 2000
Bayesian Models of Cognition:Reverse Engineering the Mind 800
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Внешняя политика КНР: о сущности внешнеполитического курса современного китайского руководства 500
Revolution und Konterrevolution in China [by A. Losowsky] 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3124076
求助须知:如何正确求助?哪些是违规求助? 2774440
关于积分的说明 7722701
捐赠科研通 2430008
什么是DOI,文献DOI怎么找? 1290873
科研通“疑难数据库(出版商)”最低求助积分说明 621960
版权声明 600283