使用in silico免疫信息工具和微阵列技术识别具有诊断潜力的Schistosoma haematobium和Schistosoma mansoni线性B细胞表位
Arthur Vengesai1, Marble Manuwa2, Herald Midzi3
1Department of Biochemistry, Faculty of Medicine and Health Sciences, Midlands State University, Senga Road, Gweru, Zimbabwe.
PLoS neglected tropical diseases
|August 22, 2024
概括
这项研究确定了使用免疫信息学和微阵列检测杆菌病的十种具有良好的或可接受的诊断性能的杆菌. 建议对这些潜在的诊断生物标志物进行进一步的真阴性验证.
科学领域:
- 寄生虫学的寄生虫学
- 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:
- 通过使用特定的生物标志物,可以改进石病的诊断.
- 免疫信息学提供了一种方法来预测具有最小的人类蛋白质同质性的schistosome特异性B细胞表位.
研究的目的:
- 为了识别模仿线性B细胞表位体的schistosome.
- 为了验证这些的诊断潜力,使用微阵列免疫测试.
主要方法:
- 使用ABCpred,Bcepred和BepiPred进行线性B细胞表位的in-silico预测 2.0.0.
- 选择具有高表位基因概率和低序列相同性的人类蛋白质的.
- 使用微阵列免疫试验和ROC曲线分析验证血清中的抗体检测.
主要成果:
- 一个体显示出出色的诊断性能 (IgG对S. mansoni的AUC为0.8043).
- 另外9种对S. mansoni和S. haematobium的检测显示了可接受的诊断性能 (IgG的AUC从0.7098到0.7763不等).
- 一个也显示了可接受的诊断性能,用于S. mansoni检测使用IgM (AUC 0.7413).
结论:
- 免疫信息学方法与微阵列验证相结合,成功识别了十种有前途的.
- 这些值得进一步评估,使用真负样本和标准化的阳性对照来确定诊断效用.
