Bioinformatique des séquences d'anticorps
Code et conventions pour les données de séquences d'anticorps : numérotation, annotation, échange et contrôle qualité.
Portée : travaux de recherche, thérapeutiques, diagnostiques et éducatifs. Une demande visant à concevoir un agent pathogène pour une transmissibilité accrue, ou à concevoir une échappatoire à une contre-mesure déployée, sort de ce cadre — mentionnez-le et arrêtez.
Nommer le schéma
Un index de résidu sans son schéma de numérotation est dénué de sens. H52 est un résidu différent sous Kabat que sous IMGT, et CDR-H1 couvre des résidus différents sous chaque schéma utilisé. Donc :
- Indiquez le schéma dans le texte, dans les noms de colonnes (
cdr1_aa_imgt), dans les noms de fichiers et dans les docstrings. - Lorsque des données arrivent sans schéma déclaré, renumérotez-les plutôt que de les déduire ; un schéma mal étiqueté corrompt silencieusement toutes les comparaisons en aval.
- Convertissez en renumérotant la séquence, jamais par une arithmétique d'indices. Les codes d'insertion (
52A,100A–100K) rendent l'arithmétique d'indices erronée. - Les limites appartiennent aussi à un schéma : citez les définitions de CDR comme "IMGT CDR-H3" plutôt que "CDR3".
- Un fichier de structure a ses propres numéros de résidus. Les positions IMGT ne sont pas les numéros PDB, et une liste de contigs ou de zones chaudes doit utiliser la numérotation du fichier (
cdr_contig.pyci-dessous effectue le mappage).
Tableau des schémas et définitions des limites : references/numbering.md.
Étapes
- Établir l'entrée — type de chaîne (lourde, kappa, lambda, ou fichier mélangé), acide aminé ou nucléotide, apparié ou non, et si les séquences sont des V(D)J complets ou seulement le domaine variable. Vérifiez quelques enregistrements à l'œil avant d'écrire un pipeline sur le fichier.
- Numéroter et annoter avec un outil, pas à la main : ANARCII (numérotation par modèle de langage, le successeur d'ANARCI à l'OPIG) ou ANARCI/abnumber pour la numérotation et l'extraction de régions, IgBLAST pour l'assignation germinale à partir de données nucléotidiques. Choix d'outils et extraits : references/tools.md.
- Normaliser au format AIRR Rearrangement TSV comme format d'échange, afin que le code en aval lise un seul schéma. Conventions de champ et pièges de coordonnées : references/airr-data.md.
- Contrôle qualité avant analyse. Exécutez la liste de contrôle dans
airr-data.md: drapeaux de productivité, cadre, codons stop, cohérence du type de chaîne, gestion des doublons, chaînes orphelines dans les données appariées, et une vérification aller-retour que l'écriture puis la relecture du fichier reproduisent les enregistrements. - Signaler les drapeaux comme des drapeaux. Les motifs de risque, les scores d'humanitude et les regroupements de clonotypes sont des hypothèses avec des seuils, et le seuil doit accompagner le nombre : references/liabilities.md.
Avec le MCP immuno connecté, number_sequence et annotate_cdrs exécutent ANARCII pour vous sur un domaine variable. Tous deux prennent un schéma (imgt, kabat, chothia, martin ou aho) pour les étiquettes de résidus, mais les régions et les limites de CDR qu'ils renvoient sont toujours la définition IMGT, et le résultat le mentionne : n'en lisez pas un CDR Kabat. extract_chains donne la séquence observée dans une structure, map_epitope_paratope (avec scheme) étiquette les résidus du paratope par région, et interface_contacts donne les contacts et la surface enterrée. Leur règle de contact est toute paire d'atomes lourds à moins de 4,5 Å, et scripts/interface_contacts.py utilise la même règle : sur la PDB 1ZVY (chaîne A contre B) les deux rapportent 41 paires de résidus et 238 paires d'atomes (vérifié le 14/11/2026).
VHH, liants conçus et structures
Quatre scripts de bibliothèque standard dans scripts/ (Python 3.9+, rien à installer ; --help sur chacun). Exécutez-les depuis le répertoire de cette compétence ou par chemin complet.
| Question | Commande |
|---|---|
| Quels sont les CDR, caractéristiques, cystéines, risques, charge de ce VHH ? | python3 scripts/vhh_qc.py seqs.fasta ou python3 scripts/vhh_qc.py designs.csv --annotate -o designs.qc.csv |
| Quels numéros de résidus contiennent les CDR dans cette structure, et quel contig les reconçoit ? | python3 scripts/cdr_contig.py 1ZVY.cif --chain A --target-chain B --design CDR3 --length CDR3=16-24 |
| Ce complexe prédit touche-t-il l'épitope prévu, via les CDR ? | python3 scripts/interface_contacts.py design.cif --binder H --target A --hotspots A45,A67 |
Règles qui garantissent la fiabilité de leur sortie :
vhh_qc.pyplace les régions en s'ancrant sur Cys23, Trp41, Cys104 et la queue FR4. Il lit un domaine VH/VHH et déclare une séquence qu'il ne peut pas placer comme non placée au lieu de deviner. Pour une numérotation IMGT exacte, ou lorsque le type de chaîne importe, ajoutez--numbering anarcii. Accord avec ANARCII, les cas qu'il refuse et les limites : references/vhh.md.- Les positions dans sa sortie sont des indices bruts basés sur 1 plus un nom de région, jamais des numéros IMGT.
cdr_contig.pysupprime les résidus dont le squelette N, CA ou C est manquant, car un contig nommant un résidu non résolu échoue à l'intérieur de l'outil de conception. Exécutez-le sur le fichier exact que vous téléchargerez.- La syntaxe du contig et la convention de numérotation des résidus appartiennent à l'outil de conception ; confirmez les deux dans la documentation de cet outil avant de coller.
interface_contacts.pyne rapporte que la géométrie. C'est un filtre sur où un liant se lie, pas une estimation de comment.
Les définitions de clonotype sont un choix, pas un fait
Toute déclaration sur la diversité clonale dépend d'une définition qui doit être énoncée : nucléotides de jonction identiques ; acides aminés CDR3 identiques plus même gène V et J ; identité des acides aminés CDR3 au-dessus d'un seuil avec le même V et J ; ou une définition de regroupement hiérarchique avec une distance de coupure. Ces réponses diffèrent de plusieurs facteurs sur les mêmes données. Rapportez la définition à côté de chaque nombre de diversité, et conservez une définition sur toute comparaison.
Référence
- references/numbering.md — schémas, limites des CDR et des régions charpente, codes d'insertion, conversion, numérotation IMGT versus PDB.
- references/vhh.md — caractéristiques des séquences VHH, résidus caractéristiques, cystéines, ce contre quoi
vhh_qc.pya été validé. - references/tools.md — correspondance outil-tâche, notes d'installation, extraits Python et CLI.
- references/airr-data.md — essentiel du format AIRR Rearrangement, références germinales, liste de contrôle QC.
- references/liabilities.md — motifs de séquence à risque, humanitude, et ce que la séquence seule ne peut pas décider.