清华大学深研院，清华大学深研院和清华大学有什么不同
新冠病毒快速产生各种突变，尽管已有许多疫苗和抗体药物上市，然而持续的选择压力产生能够逃逸抗体的刺突蛋白变体。传统的抗体优化方法如定点突变、噬菌体展示技术通量低、耗时长，无法快速获得针对不同新冠变体的高效中和抗体，人类在与病毒的抗争处于劣势，亟需一种高通量优化各类抗体的方法。人工智能(AI)技术在不同领域具有广泛的应用，人工神经网络能够很好表征抗原-抗体氨基酸残基间的相互作用，准确预测结合自由能的差异。
近日，清华大学医学院张林琦教授团队、清华大学智能产业研究院（AIR）彭健教授团队和华深智药生物科技有限公司合作在Proceedings of the National Academy of Sciences（PNAS）杂志在线发表题为“Deep learning guided optimization of human antibody against SARS-CoV-2 variants with broad neutralization”的研究论文，构建了一个抗体优化的深度学习框架，提高了现有新冠抗体的中和活性及广谱性，为抗体药物的研发提出了新的路径和方法。
研究者构建了基于注意力的几何神经网络，预测单点突变对抗原-抗体结合自由能(ΔΔG)的影响，该方法能够与实验数据很好吻合，而且优于已有的预测软件。
研究者基于上述抗体优化架构，以广泛中和抗体P36-5D2为模板，优化该抗体产生对德尔塔变异株中和活性。经过三轮的优化，P36-5D2优化抗体对新冠原始株及Delta突变株的中和活性都有显著的提升，中和IC50值可提高10倍至600倍，最优的抗体对突变株的平均中和IC50值达到0.006 μg/ml。
为了很好解释深度学习“黑箱”的优化原理，研究者利用Rosetta预测了突变对结构的影响，研究者发现氨基酸替换通过改善空间位阻提升抗体中和效力。
研究者也将该优化策略用于Omicron突变株，同样提升了抗体对病毒的中和效力。
该研究为优化抗体提出了全新的思路，促进新冠疫苗及药物的更新换代，同时深度学习结合蛋白质理性设计也有助于基础研究的开展。
清华大学医学院张林琦教授、清华大学智能产业研究院及华深智药生物科技有限公司创始人彭健教授以及MIT的Bonnie Berger院士为共同通讯作者。清华大学医学院单思思博士、华深智药罗世通、清华大学医学院博士生杨子卿、清华大学医学院医学实验班八年制博士生洪俊贤为本文的共同第一作者。该研究得到了国家重点研发计划、国家自然科学基金、和北京市科学技术委员会的资助。
文章来源：清华大学医学院
本文转载，如有不妥，请与我们联系！
清华大学深研院(清华大学深研院和清华大学有什么不同)
未经允许不得转载：考研培训机构 » 清华大学深研院(清华大学深研院和清华大学有什么不同)
