Bioinformática de sequências de anticorpos
Código e convenções para dados de sequências de anticorpos: numeração, anotação, intercâmbio e controle de qualidade.
Escopo: trabalho de pesquisa, terapêutico, diagnóstico e educacional. Uma solicitação para projetar um patógeno visando maior transmissibilidade, ou projetar a fuga de uma contramedida implantada, está fora dele — diga isso e pare.
Nomeie o esquema
Um índice de resíduo sem seu esquema de numeração é sem sentido. H52 é um resíduo diferente sob Kabat do que sob IMGT, e CDR-H1 abrange resíduos diferentes sob cada esquema em uso. Então:
- Indique o esquema na prosa, em nomes de coluna (
cdr1_aa_imgt), em nomes de arquivo e em docstrings. - Quando os dados chegarem sem um esquema declarado, renumere-os em vez de inferir; um esquema mal rotulado corrompe silenciosamente toda comparação downstream.
- Converta renumerando a sequência, nunca por aritmética sobre índices. Códigos de inserção (
52A,100A–100K) tornam a aritmética de índices incorreta. - Limites também pertencem a um esquema: cite definições de CDR como "CDR-H3 IMGT" em vez de "CDR3".
- Um arquivo de estrutura tem seus próprios números de resíduo. Posições IMGT não são números PDB, e uma lista de contigs ou hotspots deve usar a numeração do arquivo (
cdr_contig.pyabaixo faz o mapeamento).
Tabela de esquemas e definições de limites: references/numbering.md.
Etapas
- Estabeleça a entrada — tipo de cadeia (pesada, kappa, lambda ou um arquivo misto), aminoácido ou nucleotídeo, pareado ou não-pareado, e se as sequências são V(D)J de comprimento completo ou apenas domínio variável. Verifique manualmente alguns registros antes de escrever um pipeline sobre o arquivo.
- Numere e anote com uma ferramenta, não manualmente: ANARCII (numeração baseada em modelo de linguagem, o sucessor do OPIG para ANARCI) ou ANARCI/abnumber para numeração e extração de região, IgBLAST para atribuição germinativa a partir de dados de nucleotídeos. Escolhas de ferramentas e trechos: references/tools.md.
- Normalize para AIRR Rearrangement TSV como formato de intercâmbio, para que o código downstream leia um esquema. Convenções de campo e armadilhas de coordenadas: references/airr-data.md.
- Faça QC antes da análise. Execute a lista de verificação em
airr-data.md: flags produtivas, frame, códons de parada, consistência de tipo de cadeia, tratamento de duplicatas, cadeias órfãs em dados pareados e uma verificação de ida e volta (round-trip) de que escrever e depois reler o arquivo reproduz os registros. - Reporte flags como flags. Motivos de liability, escores de humanidade e agrupamentos de clonótipos são hipóteses com limites, e o limite deve viajar junto com o número: references/liabilities.md.
Com o MCP immuno conectado, number_sequence e annotate_cdrs executam ANARCII para você em um domínio variável. Ambos aceitam um esquema (imgt, kabat, chothia, martin ou aho) para os rótulos de resíduos, mas as regiões e limites de CDR que retornam são sempre a definição IMGT, e o resultado diz isso: não leia um CDR Kabat deles. extract_chains fornece a sequência observada em uma estrutura, map_epitope_paratope (com scheme) rotula resíduos de paratopo por região, e interface_contacts fornece contatos e área enterrada. Sua regra de contato é qualquer par de átomos pesados dentro de 4,5 Å, e scripts/interface_contacts.py usa a mesma regra: no PDB 1ZVY (cadeia A contra B) ambos reportam 41 pares de resíduos e 238 pares de átomos (verificado em 14/11/2026).
VHH, binders projetados e estruturas
Três scripts da biblioteca padrão em scripts/ (Python 3.9+, nada para instalar; --help em cada um). Execute-os a partir do diretório desta skill ou pelo caminho completo.
| Pergunta | Comando |
|---|---|
| Quais são os CDRs, marcas registradas, cisteínas, liabilities e carga deste VHH? | python3 scripts/vhh_qc.py seqs.fasta ou python3 scripts/vhh_qc.py designs.csv --annotate -o designs.qc.csv |
| Quais números de resíduos contêm os CDRs nesta estrutura e qual contig os redesinha? | python3 scripts/cdr_contig.py 1ZVY.cif --chain A --target-chain B --design CDR3 --length CDR3=16-24 |
| Este complexo predito toca o epítopo pretendido, através dos CDRs? | python3 scripts/interface_contacts.py design.cif --binder H --target A --hotspots A45,A67 |
Regras que mantêm sua saída confiável:
vhh_qc.pycoloca regiões ancorando em Cys23, Trp41, Cys104 e na cauda FR4. Ele lê um domínio VH/VHH e relata uma sequência que não pode colocar como não-colocada (unplaced) em vez de adivinhar. Para uma numeração IMGT exata, ou quando o tipo de cadeia importa, adicione--numbering anarcii. Concordância com ANARCII, os casos que recusa e os limites: references/vhh.md.- As posições em sua saída são índices brutos baseados em 1 mais um nome de região, nunca números IMGT.
cdr_contig.pydescarta resíduos cujo backbone N, CA ou C está faltando, porque um contig nomeando um resíduo não resolvido falha dentro da ferramenta de design. Execute-o no arquivo exato que você irá enviar.- A sintaxe do contig e a convenção de numeração de resíduos pertencem à ferramenta de design; confirme ambas na documentação dessa ferramenta antes de colar.
interface_contacts.pyrelata apenas geometria. É um filtro sobre onde um design se liga, não uma estimativa de quão bem.
Definições de clonótipo são uma escolha, não um fato
Qualquer afirmação sobre diversidade clonal depende de uma definição que deve ser declarada: nucleotídeos de junção idênticos; aminoácidos CDR3 idênticos mais mesmo gene V e J; identidade de aminoácidos CDR3 acima de um limite com o mesmo V e J; ou uma definição de agrupamento hierárquico com um limite de distância. Essas fornecem respostas que diferem várias vezes nos mesmos dados. Reporte a definição junto com cada número de diversidade e mantenha uma definição em qualquer comparação.
Referência
- references/numbering.md — esquemas, limites de CDR e framework, códigos de inserção, conversão, numeração IMGT versus PDB.
- references/vhh.md — características de sequência VHH, resíduos marcadores, cisteínas, contra o que
vhh_qc.pyfoi validado. - references/tools.md — mapa ferramenta-para-tarefa, notas de instalação, trechos Python e CLI.
- references/airr-data.md — fundamentos do AIRR Rearrangement, referências germinativas, lista de verificação de QC.
- references/liabilities.md — motivos de liability de sequência, humanidade e o que apenas a sequência não pode decidir.