Проблемы предсказания структуры антител

Достижения структурной биологии и экспоненциальный рост объёма высококачественных экспериментальных структурных данных, доступных в Protein Data Bank, стимулировали многочисленные исследования, направленные на решение грандиозной задачи предсказания структуры белков. В 2020 году AlphaFold2 произвёл революцию в этой области, объединив искусственный интеллект с эволюционной информацией, содержащейся во множественных выравниваниях последовательностей. Антитела относятся к одному из наиболее важных классов биотерапевтических белков. Точные структурные модели являются необходимым условием для совершенствования предсказания биофизических свойств и, следовательно, дизайна антител. Специализированные инструменты предсказания структуры антител, основанные на различных принципах, получили преимущества благодаря современным достижениям в области предсказания структуры белков с использованием искусственного интеллекта. В настоящей работе мы подчёркиваем важность надёжных структурных моделей белков и отмечаем огромный прогресс в этой области, одновременно стремясь повысить осведомлённость о том, что структурные модели белков, и особенно модели антител, могут содержать структурные неточности, а именно неправильные цис-амидные связи, неверную стереохимию или стерические столкновения. Мы показываем, что эти неточности влияют на предсказание биофизических свойств, таких как гидрофобность поверхности. Поэтому мы подчёркиваем важность тщательной проверки структурных моделей белков до вложения дополнительных вычислительных ресурсов и постановки экспериментов. Для облегчения оценки качества моделей мы предлагаем инструмент «TopModel» для валидации структурных моделей.