通过修改的算法生成针对C型肝炎病毒 (HCV) 包裹2糖蛋白 (E2) 的优化共识序列:对泛基因组HCV疫苗的含义

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:

• 预防性肝炎C病毒 (HCV) 疫苗开发对于全球消除至关重要,尽管有直接作用的抗病毒成功.
• 诱导抗异性HCV包裹2 (E2) 蛋白的泛基因中和抗体 (PnAbs) 对疫苗有效性至关重要.
• 现有的共识序列算法 (值,多数) 有局限性,包括未定义的余量和对进化成本的不敏感性.

研究的目的:

• 引入一种修改后的算法来生成HCV E2蛋白的共识序列.
• 为了比较新的"适应性"算法的有效性与现有的"多数"和"值"算法,用于HCV E2共识序列生成.

主要方法:

• 开发了一个修改后的"多数"算法,结合了BLOSUM矩阵.
• 使用"适应性"算法,从1号,2号和3号基因型的1698个序列中生成HCV E2共识序列.
• 在 silico 中,使用工具来比较由"适应性"",多数"和"值"算法生成的序列.

主要成果:

• "适应性"算法为所有基因型/亚型产生了完全定义的,无间隙的HCV E2共识序列.
• "适应性"考虑了氨基酸替代的进化成本,这是"多数"和"值"算法的关键限制.
• 生成的"适应性"共识序列表现出优越的抗原和免疫原性质,同时保持了家族遗传位置.

结论:

• "适应性"算法有效地产生对HCV E2的优越共识序列,适合泛基因组HCV疫苗.
• 该算法可用于生成来自各种病原体的其他高度可变抗原的共识序列.