近日，实验室团队利用A I技术在新冠肺炎病毒受体结合域BCEs研究方面取得新进展，相关成果以题为“A Structure-Based B-cell Epitope Prediction Model Through Combing Local and Global Features”的研究性论文发表于国际期刊《Frontiers in Immunology》。

B细胞表位(BCEs)是抗原表面的一组特异性位点，与B细胞产生的抗体结合。BCEs是药物设计和疫苗开发的一个重大挑战。与实验方法相比，计算方法以更低的成本预测BCE具有很强的潜力。此外，目前的方法大多集中于利用靶点残基周围的局部信息，而没有考虑整个抗原序列的全局信息。我们提出了一种结合局部特征和全局特征的深度学习方法来预测BCE。该研究建立了两个平行模块分别从抗原中提取局部特征和全局特征。对于局部特征使用图卷积网络(GCNs)来捕获目标残差的空间邻域信息。针对全局特征采用基于注意的双向长短时记忆(Att-BLSTM)网络对抗原序列进行信息提取。然后结合局部和全局特征对BCE进行预测。该方法在基准数据集上的性能优于目前最先进的BCE预测方法。此外，本研究还比较了具有或不具有全局特性的数据之间的性能差异。通过对SARS-Cov-2受体结合域BCEs预测的详细案例研究，证实了我们的方法对预测和聚类真实的BCEs是有效的。

张守涛教授和南晓斐副教授为论文通讯作者，博士研究生鲁帅为论文第一作者。本研究由国家重大新药创制科技重大专项、新疆建设兵团重点公关项目、河南省科技创新领军人才项目、河南省自然科学基金项目的支持。

全文链接：https://www.frontiersin.org/articles/10.3389/fimmu.2022.890943/full