肉毒杆菌神经毒素血清型的共识计算免疫原性建模:跨平台验证、不确定性量化及相对风险评估

《Toxicon》:Consensus Computational Immunogenicity Modelling of Botulinum Neurotoxin Serotypes: Cross-Platform Validation, Uncertainty Quantification, and Relative Risk Assessment

【字体: 大 中 小 】 时间:2026年04月04日 来源:Toxicon 2.4

编辑推荐:

  肉毒杆菌神经毒素E(BoNT/E)的免疫原性风险通过多平台共识方法评估。整合四类HLA-II类表位预测算法、三种分子动力学模拟及系统免疫模型,发现BoNT/E具有83%更多强表位结合者,复合物稳定性高ΔΔG约-13 kcal/mol,系统模型预测NAb风险增加3倍(HR=3.03)。研究证实BoNT/E免疫原性显著高于BoNT/A,强调临床需加强监测。

  
埃克拉姆·拉赫曼(Eqram Rahman)| 戈拉姆·萨克莱延(Golam Saklayen)| 穆尼姆·艾哈迈德(Munim Ahmed)| 约翰·H·约瑟夫(John H. Joseph)| 威廉·理查德·韦伯(William Richard Webb)
研究与创新中心,创新美学(Research and Innovation Hub, Innovation Aesthetics),伦敦,英国

摘要

肉毒杆菌神经毒素E型(BoNT/E)的最新临床发展因其快速起效而受到重视,但这种新型治疗蛋白的长期免疫原性风险尚不明确。为了进行与方法无关的风险评估,我们应用了一个共识计算免疫原性框架,并根据临床观察到的1-3%的中和抗体(NAb)发生率进行了严格校准。我们的多平台策略整合了四种独立的HLA II类表位预测算法、使用不同力场的三次分子动力学模拟以及三个独立的系统免疫学模型。这种三角化方法一致性地表明,BoNT/E具有更丰富的表位景观,预测出的强HLA结合剂比BoNT/A多73-83%。生物物理学模拟证实,BoNT/E衍生的肽与HLA分子形成的复合物更加稳定,平均ΔΔG~binding~优势约为-13 kcal/mol。系统级模型预测NAb产生的风险增加了三倍(HR = 3.03),并且同时使用BoNT/A和E型毒素的风险也加速了。对照分析确认了信号与天然BoNT/E表位结构的特异性,贝叶斯建模量化出BoNT/E具有更高相对免疫原性风险的概率超过99%。尽管如此,这些预测仍受到计算模型相对于人类免疫反应复杂性的固有简化的影响。尽管如此,这些跨平台的共识证据建立了一个稳健的风险假设,强调了加强对BoNT/E临床免疫原性监测的必要性。

引言

蛋白质生物制剂的开发需要严格的临床前免疫原性风险评估,因为中和抗体的形成会降低治疗效果并危及患者安全(Krishna和Nadler,2016;Kuriakose等人,2016)。因此,计算免疫原性预测已成为生物制剂开发流程中的一个重要组成部分,能够早期识别风险表位并合理设计去免疫候选物(Brennan等人,2010;De Groot和Martin,2009)。监管机构也认可这些计算机工具在临床前筛选中用于风险排序和机制假设生成的实用性(FDA,2019)。
对于肉毒杆菌神经毒素A型(BoNT/A),数十年的临床使用已经确定了其已知的、尽管较低的免疫原性风险,长期NAb的发生率估计在1-3%之间(Bellows和Jankovic,2019;Benecke,2012;Fabbri等人,2016;Lacroix-Desmazes等人,2017;Rahman等人,2021)。最近对肉毒杆菌神经毒素E型(BoNT/E)的临床研究因其快速起效和短作用时间而受到关注,这种新型血清型具有不同的氨基酸序列和未知的长期免疫原性潜力(Yoelin等人,2018)。初步的计算模型表明,BoNT/E可能具有结构特征,包括更大的表位可溶性、更强的HLA结合亲和力以及在功能域中与BoNT/A有显著的序列保守性,这可能使其在BoNT/A预处理的个体中具有更高的免疫原性风险(Rahman等人,2026)。
转化计算免疫学的一个基本挑战在于区分真正的生物信号和方法学伪影。任何单一算法或建模平台生成的预测都可能受到特定参数集、训练数据和理论假设的影响(Jurtz等人,2017;Olimpieri等人,2013)。共识或集成方法,即多个独立算法得出共同预测,可以减轻对平台特定偏差的担忧,并提供预测不确定性的度量(Senior等人,2020)。目前还没有研究应用这种共识方法来评估不同血清型的相对免疫原性风险。
目前,还没有研究应用共识计算方法来评估不同血清型的相对免疫原性风险。为了填补这一空白并测试对BoNT/E的初步预测的稳健性,我们进行了多平台免疫原性分析。我们的研究分为两个明确阶段:首先,我们将一系列独立的、最先进的算法(涵盖表位预测、分子动力学和系统免疫学)根据已建立的BoNT/A临床免疫原性特征进行了校准。其次,我们将相同的校准参数应用于BoNT/E,仅改变了血清型特定的蛋白质序列和药代动力学半衰期。
本研究的主要目的是确定相对于BoNT/A,BoNT/E的较高免疫原性预测是否可以在多种计算方法中得到重现。我们假设跨独立平台的共识将表明一个与方法无关的信号,从而加强机制风险假设,并为必要的长期临床监测定义具体参数。

方法部分

方法

本研究采用了一个可辩护的多阶段计算框架,旨在生成与方法无关的免疫原性预测。核心创新是通过共识建模进行方法学三角化,其中独立的算法和建模范式涵盖了免疫信息学、结构生物物理学和系统生物学,并在生成比较风险评估之前根据已知的临床结果进行了校准。这种方法将单一预测转化为

校准协议(固定步骤)

  • 1.
    所有模型仅使用BoNT/A数据参数化。起始参数来自已发表的免疫学文献(Chen等人,2014a;Meyer-Hermann等人,2012;Seder和Ahmed,2003)。
  • 2.
    使用贝叶斯优化程序(MATLAB bayesopt),在生理学上可行的范围内调整参数,以最小化模拟的10年NAb发生率与临床观察到的1-3%范围之间的误差(Rahman等人,2024,2022;Rahman和Carruthers,2024)。
  • 3.
    优化后的

QSP框架在细菌神经毒素中的应用

Chen等人(2014)开发的QSP框架最初用于单克隆抗体的免疫原性评估(Chen等人,2014b)。细菌神经毒素与单克隆抗体有几个不同之处:(i)多结构域(轻链、转运结构域、受体结合结构域)与单结构域的单克隆抗体;(ii)通过突触囊泡蛋白(SV2、synaptotagmin)的受体介导的细胞进入与液相内吞作用;(iii)酶活性(锌依赖性

跨平台表位预测显示BoNT/E的免疫原性潜力增强

四种独立的表位预测算法在识别BoNT/E的强HLA II类结合剂密度方面表现出高度一致性。Lin的一致性相关系数(CCC)对于BoNT/E的预测结合亲和力(IC50)为0.87(95% CI:0.83–0.90),对于BoNT/A为0.85(95% CI:0.81–0.89),表明算法间有很强的共识。
所有算法一致认为BoNT/E具有更丰富的表位

讨论

这项多平台、基于共识的计算研究提供了对肉毒杆菌神经毒素A型和E型之间相对免疫原性潜力的方法无关评估。通过采用方法学三角化的策略,其中独立的算法涵盖了免疫信息学、结构生物物理学和系统生物学,并得出统一预测,我们系统地解决了计算生物学中的一个基本挑战:区分真正的生物信号

结论

在独立的HLA II类表位预测算法、分子动力学力场和系统级免疫模型中,BoNT/E在计算机模拟中始终被预测具有比BoNT/A更高的相对免疫原性。在分子水平上,BoNT/E显示出更丰富的强HLA II类结合剂和更稳定的肽-HLA相互作用,而根据已知的BoNT/A结果进行系统级模拟得出的BoNT/E的相对风险估计也更高

CRediT作者贡献声明

埃克拉姆·拉赫曼(Eqram Rahman):撰写 – 审稿与编辑,撰写 – 原稿,可视化,验证,软件,资源,方法学,研究,正式分析,数据管理,概念化。威廉·理查德·韦伯(William Richard Webb):撰写 – 审稿与编辑,撰写 – 原稿,验证,监督,软件,方法学,研究,资金获取,正式分析,数据管理。约翰·H·约瑟夫(John H Joseph):撰写 – 审稿与编辑,撰写 – 原稿,验证,软件,方法学,

伦理批准和参与同意

不适用

出版同意

不适用

数据和材料的可用性

用于支持结论的研究数据可应要求从相应作者处获取。

利益冲突声明和财务披露声明

约瑟夫博士是艾尔建美学(Allergan Aesthetics)的研究员和顾问委员会成员,该公司隶属于艾伯维(AbbVie)(加利福尼亚州尔湾);他是高德玛(Galderma,瑞士洛桑)、默兹(Merz,北卡罗来纳州罗利)、埃沃卢斯(Evolus,加利福尼亚州纽波特海滩)和克罗马(Croma,奥地利莱奥恩多夫)的临床研究员;他是高德玛、默兹和埃沃卢斯的演讲者或顾问;也是埃沃卢斯和克罗马的股东;韦伯博士是AesthetiSIM?的联合创始人。拉赫曼博士、萨克莱延博士和艾哈迈德博士没有

伦理声明

本研究未涉及人类参与者、动物实验或使用可识别患者的数据。所有研究仅通过计算机建模和文献支持的参数进行。因此,不需要伦理批准和知情同意。
本研究未进行任何临床程序,也未招募、联系或让任何人类受试者接受任何干预。本研究中生成的合成患者模型仅用于

资金来源

本研究使用了作者的个人时间和个人计算资源。没有从公共、商业或非营利部门的资助机构获得任何特定资助,也没有得到任何机构支持。

利益冲突声明

? 作者声明以下可能被视为潜在利益冲突的财务利益/个人关系:约瑟夫博士是艾尔建美学(Allergan Aesthetics)的研究员和顾问委员会成员,该公司隶属于艾伯维(AbbVie)(加利福尼亚州尔湾);他是高德玛(Galderma,瑞士洛桑)、默兹(Merz,北卡罗来纳州罗利)、埃沃卢斯(Evolus,加利福尼亚州纽波特海滩)、雷万斯(Revance,加利福尼亚州纽瓦克)和克罗马(Croma,奥地利莱奥恩多夫)的临床研究员;他是高德玛、默兹和埃沃卢斯的演讲者或顾问;也是雷万斯和克罗马的顾问;韦伯博士是AesthetiSIM?的联合创始人。拉赫曼博士、萨克莱延博士和艾哈迈德博士没有

伦理声明

本研究未涉及人类参与者、动物实验或使用可识别患者的数据。所有研究均通过计算机建模和文献支持的参数完成。因此,不需要伦理批准和知情同意。
本研究未进行任何临床程序,也未招募、联系或让任何人类受试者接受任何干预。本研究中生成的合成患者模型仅用于

资助来源

本研究使用了作者的个人时间和计算资源。未从公共、商业或非营利部门的资助机构获得任何特定资助,也未获得任何机构支持。

利益冲突声明

? 作者声明以下可能被视为潜在利益冲突的财务利益/个人关系:约瑟夫博士是艾尔建美学(Allergan Aesthetics)的研究员和顾问委员会成员,该公司隶属于艾伯维(AbbVie)(加利福尼亚州尔湾);他是高德玛(Galderma,瑞士洛桑)、默兹(Merz,北卡罗来纳州罗利)、埃沃卢斯(Evolus,加利福尼亚州纽波特海滩)、雷万斯(Revance,加利福尼亚州纽瓦克)和克罗马(Croma,奥地利莱奥恩多夫)的临床研究员;他是高德玛、默兹和埃沃卢斯的演讲者或顾问;也是雷万斯和克罗马的顾问;

致谢

作者感谢Korim Uddin在AesthetiSIM?工作流程中协助数据提取、预处理和模型集成任务。他的职责仅限于数据管理和计算验证,不涉及假设制定或结果解释。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号