SPACE2

按表位 2 (SPACE2) 对簇抗体进行结构分析

SPACE2算法是一种通过结构模型的相似性对抗体进行快速聚类的方法，并对结合相同表位的抗体进行精确分组。

SPACE2 需要抗体的结构模型作为输入，这些可以使用 ImmuneBuilder 生成。然后抗体通过三个主要步骤聚集。最初，模型被分成具有相同 CDR 长度的组。然后，每组中的模型在框架区残基的 Cα 上进行结构比对，并计算 CDR 环残基的 Cα RMSD 的成对距离矩阵。然后根据这些距离对抗体进行聚类。

安装

下载并安装：

$ git clone https://github.com/fspoendlin/SPACE2.git
$ pip install SPACE2/

用法

要运行聚类，您将需要 IMGT 编号的抗体模型，其中重链的链标识符为“H”，轻链的链标识符为“L”。具有 IMGT 编号和正确链标识符的模型可以从 ImmuneBuilder 的默认运行中获得。一旦您拥有包含抗体模型的目录，您就可以使用 SPACE2 对它们进行聚类。

下面显示了如何使用凝聚聚类和默认参数通过 SPACE2 对抗体进行聚类的示例。这是抗体聚类的推荐方法。

 import glob
import SPACE2

antibody_models = glob . glob ( "path/to/antibody/models/*.pdb" )

clustered_dataframe = SPACE2 . agglomerative_clustering ( antibody_models , cutoff = 1.25 , n_jobs = - 1 )

上述代码将抗体分成相同长度的 CDR 组。对于每组，抗体模型在结构上叠加在重链和轻链框架区上。然后计算所有六个 CDR（默认使用 North CDR 定义）的 C-alpha RMSD，并使用距离阈值为 1.25 Å 的凝聚聚类算法对抗体进行分组。输出是一个 pandas 数据框，其中包含为每个抗体分配的结构簇。

SPACE2 包支持一系列自定义集群的选项，例如：

• 选择 CDR 进行结构比较，选择框架区域进行结构比对
• 动态时间扭曲距离计算（删除相同 CDR 长度的要求）
• 自定义聚类算法

有关用法示例，请参阅笔记本。

输出

SPACE2 输出一个 pandas 数据框，其中包含为每个抗体分配的结构簇。输出格式如下，列指示抗体名称 (ID)、按 H1-3 和 L1-3 顺序聚类期间考虑的所有 CDR 的长度 (cluster_by_length) 以及指定结构簇的代表 (cluster_by_rmsd)。

	ID	按长度聚类	按均方根值聚类
0	BD56-1450.pdb	15_9_12_11_8_8	BD56-1450.pdb
1	BD55-6240.pdb	15_9_12_11_8_8	BD56-1450.pdb
2	BD55-1117.pdb	13_10_13_13_8_11	BD55-1117.pdb
...	...	...	...

统计数据

当在 12 个 CPU 上并行时，SPACE2 在大约 2 分钟内聚集 10,000 个抗体。该算法根据抗体数量 (n) 大致按 O(n ^1.5 ) 缩放。

引文

 @article{Spoendlin2023,
	title = {Improved computational epitope profiling using structural models identifies a broader diversity of antibodies that bind the same epitope},
	author = {Fabian C. Spoendlin, Brennan Abanades, Matthew I. J. Raybould, Wing Ki Wong, Guy Georges, and Charlotte M. Deane},
	journal = {Frontiers in Molecular Biosciences},
	doi = {10.3389/fmolb.2023.1237621},
	volume = {10},
	year = {2023},
}