Deep mutational learning predicts ACE2 binding and antibody escape to combinatorial mutations in the SARS-CoV-2 receptor-binding domain

심층 돌연변이 학습을 통한 SARS-CoV-2 receptor-binding domain의 combinatorial mutation에 대한 ACE2 binding과 antibody escape 예측

Deep-mutational-learning-predicts-ACE2-binding-and-antibody-escape-to-combinatorial-mutations-in-the-SARS-CoV-2-receptor-binding-domain

SARS-CoV-2의 지속적인 진화와 백신 및 중화 항체에 대한 내성을 나타내는 변이의 출현은 COVID-19 대유행을 연장할만한 위협이 됩니다. SARS-CoV-2 변이체의 선택과 출현은 부분적으로 바이러스 스파이크 단백질, 특히 중화 항체의 주요 표적 부위인 ACE2 receptor-binding domain (RBD) 내의 돌연변이가 주원인입니다. 우리는 ACE2 결합과 항체 회피에 대한 영향을 정확하게 예측하고자 수십억 개의 RBD 변이를 나타내는 조합 돌연변이의 방대한 sequence space를 조사하는데 사용되는 머신러닝 유도 단백질 공학 기술인 심층 돌연변이 학습 (deep mutational learning : DML)을 개발했습니다. 진화 과정에서 나타날 수 있는 가능한 SARS-CoV-2 변이체의 매우 다양한 종류들을 확인했습니다. DML은 Omicron과 같은 고도로 돌연변이 된 변이를 포함하여 현재 및 장래 변이에 대한 예측 프로파일링에 사용될 수 있으므로 COVID-19에 대한 항체 치료제 및 백신의 개발에 도움을 줍니다.

REF

Joseph M. Taft, Cédric R. Weber, Beichen Gao, et al. Deep mutational learning predicts ACE2 binding and antibody escape to combinatorial mutations in the SARS-CoV-2 receptor-binding domain. Cell, vol. 185, ISSUE 21, 4008-4022 (2022). https://doi.org/10.1016/j.cell.2022.08.024