免疫回避から広範なシリコ結合:SARS-CoV-2 RBD標的ナノボディの計算最適化

科学分野:

• ウイルス学
• 免疫学
• コンピュータ生物学

背景:

• SARS-CoV-2 オミクロン変種は急速に進化し,新しい治療戦略が必要になります.
• ナノボディは潜在的治療法ですが ウイルスの変異に対して最適化が必要です
• 免疫回避メカニズムの理解は 効果的な治療法の開発に不可欠です

研究 の 目的:

• 分子動力学 (MD) シミュレーションを使用して,SARS-CoV-2の変種に対するクラス1ナノボディの免疫回避メカニズムを分析する.
• 素早くナノボディの親和性を最適化するための効率的なin silicoパイプラインを開発する.
• 新興のSARS-CoV-2変異体に対して有効な高親和ナノボディ変異体を特定する.

主な方法:

• ナノボディとRBDの相互作用のためのMDシミュレーションと結合自由エネルギー計算を使用した.
• ワイルド型 (WT) とオミクロン型 (BA.2,JN.1,KP.3/XEC) に対する免疫回避を調査した.
• 高通量変異,タンパク質ドッキング,MDシミュレーションを統合した合理化されたパイプラインを確立しました.

主要な成果:

• MDの分析では,KP.3/XECの免疫回避が Q493Eの変異により静電相互作用が弱まったと関連付けられています.
• R14,DL4,VH ab6,Nanosota9に対する多数の高親和ナノボディ変異体が見つかりました.
• 最適化されたR14型は,JN.1型に対して62. 6%の結合エネルギー改善を示し,変種間の親和差 < 15%を維持した.

結論:

• In silico affinity enhancementは,SARS-CoV-2の変種に対するナノボディの再利用のための迅速かつ効率的なアプローチである.
• 計算方法はナノボディの最適化を著しく加速し,実験的な要求を軽減します.
• この枠組みは,ウイルスの脅威と他の病原体に対する標的の対策の開発に役立ちます.