机器学习增强的免疫体学应用于COVID-19疫苗的T细胞表位发现

科学领域:

• 免疫学 免疫学 免疫学
• 计算生物学 计算生物学
• 疫苗学 疫苗学 疫苗学

背景情况:

• 开发针对SARS-CoV-2的T细胞导向疫苗需要识别广泛免疫的保存表位.
• 新兴变种对疫苗有效性构成挑战,需要持续监测病毒抗原演变.

研究的目的:

• 引入MHCvalidator,一个机器学习框架,以增强T细胞表位标识的免疫学.
• 分析SARS-CoV-2蛋白质组的新型框架转移抗原和跟踪疫苗候选人的表位保护.

主要方法:

• 开发了MHCvalidator,一个机器学习算法,以改进基于质谱的免疫学.
• 分析了100,512名COVID-19患者的蛋白质组,并利用了核糖体概况.
• 实施了EpiTrack管道,以监测已识别的T细胞表位的全球突变.

主要成果:

• MHCvalidator确定了独特的T细胞表位,包括截断的Spike抗原中的框架移位表位.
• 在分析的蛋白质组中,观察到0.85%的尖端抗原切断,揭示了人口层面的框架转移抗原.
• 大多数疫苗T细胞表位仍然保留,但有一种免疫主导表位在Delta和Omicron变异中发生了突变.

结论:

• 这项研究突出了T细胞疫苗设计的SARS-CoV-2抗原特征.
• 对T细胞表位的持续适应和监测对于开发有效和持久的COVID-19疫苗至关重要.