构象性B细胞表位预测方法的关键评述
摘要：精确的体外预测构象性B细胞表位将对疾病诊断、药物设计和疫苗开发带来重大改进。在过去几十年中，已经开发了多种基于机器学习方法的计算方法来解决这一具有挑战性的问题。在本研究中，我们对九个最先进的构象性B细胞表位预测网络服务进行了严格的基准测试，包括通用和抗体特异性方法，使用了超过250个抗体-抗原结构的数据集。我们的评估和统计分析结果显示，所有这些方法的性能都非常低，其中一些甚至不如随机生成的表面残基块。此外，我们还发现常用的多个网络服务结果合并的共识策略最多只比随机稍微好一些。最后，我们将所有的预测器应用于SARS-CoV-2的刺突蛋白作为一个独立的案例研究，并展示它们的整体表现不佳，这基本上重复了我们基准测试的结论。我们希望这些结果能在使用这些工具时更加谨慎，直到解决限制当前方法的偏差和问题，推动在未来出版物中使用最先进的评估方法，并提出改进构象性B细胞表位预测方法性能的新策略。
作者：Gabriel Cia, Fabrizio Pucci, Marianne Rooman
论文ID：2301.03878
分类：Biomolecules
分类简称：q-bio.BM
提交时间：2023-01-11