结合AI结构预测与整合建模解析纳米抗体-抗原复合物
核心概要
该研究评估了当前基于机器学习的纳米抗体结构预测方法，并以HADDOCK对多种纳米抗体输入集合与信息条件下的纳米抗体-抗原相互作用建模流程进行基准测试，提出一套以AlphaFold2和ImmuneBuilder预测的纳米抗体结构模型为起点的集合对接流程，在可获得部分表位信息时，该流程在所有生成模型上均取得高于AlphaFold基线的成功率。
Graphical representation of the nanobody-antigen complex prediction benchmark. First, nanobody conformations are generated using AlphaFold (AF2), AlphaFold2-Multimer (AF2-multi), and ImmuneBuilder (IB). They are then clustered based on the similarity of the CDR3 loop and passed to HADDOCK for ensemble-based information-driven docking. Three different information scenarios are benchmarked: True Interface (the true interface residues), Loose Interface (using the CDR loops and a broad area surrounding the real epitope), and Two-hit Interface (using the CDR loops and two main residues from the antigen obtained from alanine scanning). Active residues are represented in red and passive residues in green. Those residues are used to define ambiguous interaction restraints to guide the docking. The HADDOCK docking protocol consists of the following steps: topoaa (topology generation and building of any missing atoms), rigidbody (rigid body docking), seletop (selection of the top 200 ranked models), flexref (flexible refinement), emref (energy minimization), and clustfcc (clustering based on the fraction of common contacts). The results from the benchmark data set are evaluated based on CAPRI criteria, comparing the docking model with the experimental structure.
PubMed深度剖析
研究系统评估了基于机器学习的纳米抗体结构预测方法，并针对纳米抗体-抗原复合物对多种HADDOCK工作流进行基准测试，覆盖不同的输入纳米抗体集合与信息场景。 此前对纳米抗体-抗原复合物的建模缺乏针对不同输入集合与信息条件的系统比较，该工作将结构预测方法与对接工作流放在同一评估框架下对照。 基于对多种HADDOCK工作流与不同输入纳米抗体集合、不同信息场景的基准测试，属于方法学比较研究。
研究提出一套集合对接流程，以AlphaFold2和ImmuneBuilder预测的纳米抗体结构模型为起点，可获得较高的成功率。 该流程将AI结构预测与基于物理的信息驱动对接相结合，为纳米抗体-抗原复合物建模提供了可操作的整合路径。 以预测结构模型为输入的集合对接流程报告了高成功率，具体数值未在文本中给出。
在可获得部分表位信息的前提下，该流程在所有生成模型上的成功率均高于AlphaFold基线。 说明表位信息的可用性是该流程相对AlphaFold基线取得优势的条件，为实际建模中的信息需求提供了参照。 该结论以表位信息可获得为条件，并覆盖所有生成模型，但文本未提供具体成功率数值或样本规模。
启示与展望
该工作面向纳米抗体-抗原复合物的三维结构建模，适用于能够获得AlphaFold2或ImmuneBuilder预测的纳米抗体结构模型、并掌握部分表位信息的场景；其提出的集合对接流程以HADDOCK为对接引擎，评估范围限于所测试的输入纳米抗体集合与信息场景。
文本为摘要层面的内容，未给出具体成功率数值、测试体系数量、样本规模与统计细节，也未说明表位信息的具体形式与来源；读者若需判断该流程在不同抗原类型或不同信息条件下的稳健性，仍需查阅原文中的图表与数据。