Antibody Thermostability Prediction (AbMelt)

简介

预测抗体的熔体开始温度(Tm,on)、熔体温度™及抗体的聚集温度(Tagg)。模块基于AbMelt模型实现，AbMelt通过在不同温度（300K、350K 和 400K）下进行分子动力学模拟，生成代表实验热稳定性测量过程中不同温度阶段的结构集合，模拟同源抗体结构的内在灵活性，并学习相关描述符预测相应熔体温度。

AbMelt的流程图如下：

用到的描述符信息如下图所示：

所有描述符的均值和标准差在20ns的平衡后以10ps的间隔计算。

对描述符进行筛选：

• 计算描述符与Tm,on ，Tm，Tagg之间的皮尔逊相关系数r，r>0.45且<0.95描述符保留
• 使用网格搜索和随机森林递归选择剩余特征，并进行交叉验证和随机特征重要性排序
• 最后，穷尽搜索排名前10位的特征以获得最佳特征组合（1-5个特征）

机器学习使用了8种常用方法：线性回归、弹性网络、支持向量机、k近邻、决策树、随机森林、adaboost和xgboost。最佳模型为：

参数说明

Structure

用于熔体温度预测的抗体Fv区结构，PDB格式。

Output

输出文件名，包含Tm,on、Tm及Tagg预测值，CSV格式，默认为results.csv。

结果说明

results.csv文件，包含如下信息：

参考文献

• Rollins, Z. A.; Widatalla, T.; Cheng, A. C.; Metwally, E. AbMelt: Learning Antibody Thermostability from Molecular Dynamics. Biophys. J. 2024, 123, 2921–2933.DOI:10.1016/j.bpj.2024.06.003