预测的广泛中和抗体 (bnAb) 耐药性和相关的信封特征在博茨瓦纳HIV-1血清转化成人的成年人
Natasha Onalenna Moraka1, Wonderful T Choga1, Marea N Pema1
1Botswana Harvard AIDS Institute Partnership.
Research square
|September 11, 2023
概括
使用env序列和机器学习预测HIV-1广泛中和抗体 (bNAb) 耐药性是可行的. 这种方法可以指导针对特定HIV-1C种群的有效bNAbs的选择.
科学领域:
- 病毒学 病毒学
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 广泛中和抗体 (bNAbs) 对于HIV-1治疗和预防至关重要.
- 了解影响bNAb中和的HIV-1 env特征对于治疗优化至关重要.
研究的目的:
- 使用HIV-1C env序列预测33个bNAbs的in silico耐药性.
- 评估影响病毒中和和bNAb敏感性的HIV-1 env特征.
- 评估序列数据和机器学习对预测bNAb疗效的有用性.
主要方法:
- 来自博茨瓦纳 (2013-2018) 的140个成年HIV-1血清转换序列的分析.
- 在bNAb-ReP工具使用bNAb耐药性的in silico预测.
- 对env N-链接的糖化位点 (PNGS) 和可变区域特征 (VC) 的评估.
- 评估与体外bNAb耐药性相关的突变.
主要成果:
- 观察到各种预测的bNAb耐药性;对3BNC117的高耐药性 (72%) 和对VRC01的中间耐药性 (57%).
- 预测对PGDM100和10-1074的耐药性较低;对4E10没有耐药性.
- 在V3 bNAb耐药菌株中更高的PNGS频率;VC与V1,V4,V5循环长度和净电荷的关联.
- 鉴定与体外bNAb耐药性相关的突变.
结论:
- 艾滋病毒-1序列数据和机器学习可以预测bNAb耐药性概况.
- 这种预测能力支持为特定的HIV-1人群选择最佳的bNAbs.
