《Human Immunology》:Immunoinformatics-driven design and
in silico characterization of a multiepitope vaccine targeting the hepatitis C virus core protein
编辑推荐:
•联合HLA I类/II类表位实现约93%的人群覆盖度,表明其具有良好的全球适用性。•TLR对接分析显示结合能力较强,可能有助于促炎因子的产生以及Th1/CTL应答。•NMA、MD模拟及PCA结果表明其具有稳定性、流动性、构象适应性以及受体相互作用能力。•免疫模拟预测显示活化
- •
联合HLA I类/II类表位实现约93%的人群覆盖度,表明其具有良好的全球适用性。
- •
TLR对接分析显示结合能力较强,可能有助于促炎因子的产生以及Th1/CTL应答。
- •
NMA、MD模拟及PCA结果表明其具有稳定性、流动性、构象适应性以及受体相互作用能力。
- •
免疫模拟预测显示活化性/记忆性CTL、HTL及B细胞扩增,并伴随IFN-γ和IL-2的产生。
引言
最新的估计数据表明,全球目前有约7100万人感染丙型肝炎病毒(HCV)[1]。尽管名为直接抗病毒药物(direct-acting antivirals)的高效疗法已实现超过95%的治愈率,但这些新药的应用仍面临诸多障碍,包括治疗费用高昂、可及性有限以及对现有药物出现耐药性[2]。此外,治愈并不能赋予对抗再次感染的保护性免疫力。在静脉吸毒人群中,抗病毒治疗成功后的再感染合并率为每100人年6.2例[3]。因此,预防性疫苗仍然是世界卫生组织2030年消除丙肝战略中不可或缺的组成部分,也正是这一临床现实推动了本研究的开展。
大多数疫苗研发工作均针对包膜蛋白(E1、E2),这类蛋白可被中和抗体识别,并且对病毒进入细胞至关重要。然而,基因型间的序列高度变异以及非中和表位区域的免疫优势限制了其保护效果[4]。核心(核衣壳)蛋白是一种被忽视但极具吸引力的靶标:它在各基因型间高度保守;能够稳定诱导强烈的CD8+细胞毒性T淋巴细胞(CTL)应答,并通过更多的白细胞介导抗原(HLA)等位基因呈递表位,从而覆盖更广泛的人群[5]。尽管具有这些优势,核心蛋白在当前疫苗设计流程中仍被大量弃用,因而代表着一个重要的、具有治疗意义的机会。
传统减毒活疫苗和灭活疫苗的开发耗时长、成本高,并需要大量的体外和体内实验。此外,对于像HCV这样具有巨大遗传多样性和高突变率的病毒,传统方法难以诱导能克服病毒逃逸机制的广谱中和免疫应答[6]。相反,免疫信息学方法可在不依赖大量湿实验室筛选的情况下快速、廉价地发现表位[7]、[8]、[9]、[10]。这一范式已成功加速了SARS-CoV-2、H7N9流感及其他新发病原体的临床前疫苗开发,使免疫信息学确立为一种合法且有据可依的临床前验证策略[11]、[12]、[13]。
在此,我们报告了一种多表位疫苗构象的设计及全面的计算(in silico)评估,该构象整合了HCV核心蛋白的保守T细胞和B细胞表位。我们的目标是:为一个针对这一被忽视但在免疫学上极具价值的靶标疫苗的实验开发提供坚实的前期研究基础。
片段摘要
数据获取、序列比对和保守结构域鉴定
所选的100个HCV完整基因组旨在反映LANL数据库中的基因型分布(图S1、表S3)。在CLC中完成的比对产生了共识序列(表S4),并利用NCBI CDD-BLAST界定了核心蛋白的保守结构域(表S5)。落在这些保守结构域内并满足所有筛选标准的表位被保留为疫苗候选。
免疫优势CTL表位的鉴定
NetCTL 1.2在核心序列中跨12种HLA I类超型预测了48个CTL表位,IEDB
讨论
本研究利用一系列生物信息学工具和数据库设计了针对HCV的多表位疫苗。为获得广谱保护的构象,对代表HCV主要基因型的100个基因组中的核心蛋白序列进行了比对并生成共识序列,从而应对HCV高突变率所致、有利于病毒逃避宿主免疫的问题。尽管本研究主要属于计算研究,但它为未来的实验和
结论
我们描述了一种针对HCV核心蛋白的新型、经济高效的多表位疫苗,采用免疫信息学方法设计。该构象预计具有抗原性,能诱导体液免疫和细胞免疫,包括CD4+和CD8+ T细胞活化。对接分析显示该构象与多种TLR结合良好;NMA、MD和PCA结果均表明疫苗–TLR2复合物呈动态稳定状态,尽管该构象仍保留了一定的柔韧性。综上,这些in silico结果
CRediT作者贡献声明
Mohammad-Matin Karbalaee-Alinazari:写作—审阅与编辑、写作—原稿撰写、验证、指导、软件、方法学、形式化分析、数据整理、概念化。Ava Hashempour:写作—审阅与编辑、写作—原稿撰写、可视化、指导、资源、项目管理、调查研究、概念化。Ali Honari Jahromi:验证、软件、方法学、调查研究、形式化分析。Hadi Ghasemi:验证、资源、项目
生成式AI及AI辅助写作技术声明
在本工作准备过程中,作者使用ChatGPT改善了手稿的可读性和语言。使用该工具之后,作者按需要对内容进行了审阅和编辑,并对已发表文章的真实性负全部责任。
资金
本研究未获得公共、商业或非营利部门任何资助机构的专项资助。
利益冲突声明
作者声明不存在可能影响本论文所述工作之任何已知的竞争性财务利益或个人关系。
致谢
项目提案编号30948(伦理审查编号IR.SUMS.MED.REC.1404.536)已获伊朗设拉子医科大学伦理委员会批准。作者感谢伊朗设拉子医科大学提供的学术支持,并衷心感谢设拉子医科大学医学伦理与健康哲学系的一位教师Omid Asemani博士提供的宝贵合作。
Mohammad-Matin Karbalaee-Alinazari|Ava Hashempour|Ali Honari Jahromi|Hadi Ghasemi|Mohammad Soroosh Hajizade|Mozhan Abdollahi|Amin Zahmatkesh