抗体分析和预测建模区分卡波西肉瘤和无症状的KSHV感染
Sydney J Bennett1,2, Dicle Yalcin2, Sara R Privatt1,2
1School of Biological Sciences, University of Nebraska-Lincoln, Lincoln, Nebraska, United States of America.
PLoS pathogens
|February 21, 2024
概括
这项研究绘制了卡波西肉瘤相关性疹病毒 (KSHV) 表位,发现抗体大小,而不是宽度,可以区分KS患者. 机器学习识别了25个,用于将KS从无症状个体分类.
科学领域:
- 病毒学 病毒学
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
背景情况:
- 卡波西肉瘤相关的疹病毒 (KSHV) 导致卡波西肉瘤 (KS).
- 之前的研究绘制了KSHV免疫主导模式,但没有特定的表位.
- 菌体显示已被证明是高分辨率表皮图映射的有效方法.
研究的目的:
- 在整个蛋白质组中以最高分辨率映射KSHV表位.
- 在KS患者和无症状个体中比较抗KSHV抗体反应.
- 开发机器学习模型,使用级响应对KS进行分类.
主要方法:
- 使用1988 KSHV图书馆进行病毒扫描菌体免疫沉和测序.
- 分析了59名撒哈拉以南非洲KS患者和22名无症状个体的抗体库.
- 机器学习算法的应用用于预测建模.
主要成果:
- 与无症状个体相比,KS患者的抗体反应大小,而不是宽度,更高.
- 针对的主要免疫主导蛋白质包括K8.129-56,ORF65140-168和LANA.
- 25种歧视性的子集使用机器学习准确地对KS患者进行了分类.
结论:
- 这项研究提供了迄今为止最全面的KSHV蛋白质抗原性地图.
- 这些发现对于理解KSHV病变,识别生物标志物和开发疫苗/治疗药物至关重要.
- 这25种已识别的具有诊断,预后和治疗应用的潜力.
