UniBind蛋白相互作用预测模型

预测变异株感染性

结合蛋白质三维结构与结合亲和力的多任务学习框架，可预测病毒变异株与宿主受体及中和抗体的结合变化。

王光宇 · 凯王 · Gao, Yuanxu · 甘霖 · Baptista-Hon, Daniel T. · Xiaohong, Yang · Linling, Cheng · Fok, Manson · Lau, Johnson Yiu Nam · 杨胜勇 · 张 平 · Zhang Kang

Nature Medicine 2023

技术优势

融合3D结构与亲和力

在残基和原子水平上表示蛋白质，同时考虑三维结构和结合亲和力，实现了多任务学习，能整合异构生物数据。

有效预测变异影响

在基准数据集和实验验证中，有效且可扩展地预测了刺突蛋白变异体与ACE2受体及中和抗体的结合亲和力变化。

预警新变异株

可应用于预测宿主对变异株的易感性和未来变异进化趋势，作为新出现问题的早期预警系统。

应用场景

• 抗病毒药物研发：通过预测变异株与宿主受体结合变化，识别关键结合位点，加速抗病毒药物设计。
• 病毒进化监测：预测未来变异进化趋势和宿主易感性，提前预警潜在高风险的变异株。
• 中和抗体评估：评估变异株对现有中和抗体的逃逸能力，指导抗体疗法更新。
• 蛋白相互作用研究：提供整合结构和亲和力的通用预测框架，加速蛋白相互作用研究。