スパイク-ACE2深変異相互作用集合上の構造ベース結合親和性予測因子の精度のベンチマーク【JST・京大機械翻訳】

Ozden, B.; Samiloglu, E.; Ozsan, A.; Erguven, M.; Yukruk, C.; Kosaca, M.; Oktayoglu, M.; Mentes, M.; Arslan, N.; Karakulah, G.; Barlas, A. B.; Savas, B.; Karaca, E.

プレプリント

J-GLOBAL ID：202202219729427523 整理番号：22P0334794

スパイク-ACE2深変異相互作用集合上の構造ベース結合親和性予測因子の精度のベンチマーク【JST・京大機械翻訳】

Benchmarking the accuracy of structure-based binding affinity predictors on Spike-ACE2 Deep Mutational Interaction Set

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (13件)： , , , , , , , , , , , ,
資料名：
発行年： 2023年10月25日プレプリントサーバーでの情報更新日： 2023年10月25日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

COVID-19パンデミックの開始以来,Spike(SARS-CoV-2)-ACE2認識機構を理解するために大きな努力が払われてきた。この目的のために,2つの深い変異走査研究は,ヒトACE2のSpikeと触媒ドメインの受容体結合領域(RBD)にわたるすべての可能な変異の影響を追跡する。これらの実験データの界面変異に集中して,6つの一般的に使用される構造ベースの結合親和性予測因子(FoldX,EvoEF1,MutaBind2,SIPSe,HADDOCK,およびUEP)をベンチマークした。これらの予測因子を,それらのユーザ友好性,アクセシビリティ,および速度に基づいて選択した。著者らのベンチマーク努力の結果として,方法のどれも,実験的結合データとの有意義な相関を発生できないことを観察した。最良の相関はFoldX(R=-0.51)によって達成される。また,予測問題を二値分類に単純化すると,突然変異が結合を濃縮または枯渇させるかどうか,最大精度が64%の成功率でFoldXによって達成されることを示した。驚くべきことに,このセットにおいて,単純なエネルギースコアリング関数は,MutabindおよびSIPSeのように,エクストラ進化的ベース項を用いたものより,有意に良好に機能した。さらに,最近のAIアプローチ,mmCSM-PPIおよびTopNetTreeが力場ベース技術に匹敵する性能を与えることを示した。これらの観察は,Spike-ACE2のような宿主-病原体系の変異体誘導結合プロファイル変化の推定において,結合親和性予測因子を改善する多くの余地を示唆する。そのような改良を助けるために,著者らは,https://github.com/CSB KaracaLab/RBD ACE2 MutBenchで著者らのベンチマークデータを,https://rbd ace2 mutbench.github.io/で著者らの突然変異モデルを視覚化するオプションで提供した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

ウイルス感染の生理と病原性 , ウイルスの生化学

, , , , , , ,

前のページに戻る