Una canalización computacional para descubrir anticuerpos potencialmente cruzados: un estudio de caso sobre...

Área de la Ciencia:

• Virología; Inmunología; Biología Computacional

Sus antecedentes:

• Los anticuerpos cruzados (crAbs) son cruciales para el diagnóstico, la terapéutica y la preparación ante pandemias debido a su capacidad para reconocer epítopos virales conservados en diversas cepas.
• Los métodos tradicionales de descubrimiento de crAb, como la tecnología de hibridoma y el phage display, a menudo consumen mucho tiempo y son laboriosos.

Objetivo del estudio:

• Desarrollar y presentar una canalización computacional integradora para predecir y priorizar anticuerpos cruzados potenciales.
• Superar las limitaciones de los métodos convencionales de descubrimiento de crAb ofreciendo un enfoque más rápido y eficiente.

Principales métodos:

• La canalización integra la predicción de epítopos conformacionales y el análisis de similitud inmunogénica de epítopos para calcular epítopos cruzados.
• Prioriza los crAbs potenciales que no han sido identificados previamente.

Principales resultados:

• La canalización predijo con éxito anticuerpos cruzados candidatos para cinco antígenos de coronavirus, incluidas variantes de SARS-CoV-2 (WT, Beta, Omicron B.1, XBB.1.5) y una variante de SARS-CoV.
• De los 20 principales candidatos predichos, el 45% se validaron como cruzados en variantes de coronavirus en la base de datos CoV-AbDab.
• Los anticuerpos cruzados confirmados experimentalmente, incluidos P17, BG7-15 y Beta-54, demostraron una alta eficacia contra las variantes de SARS-CoV-2.

Conclusiones:

• Esta canalización computacional ofrece una estrategia escalable y eficiente para priorizar rápidamente los anticuerpos cruzados potenciales.
• El enfoque es prometedor para avanzar en la investigación de enfermedades infecciosas y el desarrollo de diagnósticos y terapéuticos.