从免疫逃避到广泛的结:对 SARS-CoV-2 RBD 向纳米体的计算优化

科学领域:

• 病毒学
• 免疫学
• 计算生物学

背景情况:

• SARS-CoV-2 Omicron 变种迅速演变,需要新的治疗策略.
• 纳米体提供潜在的治疗方法,但需要针对病毒突变进行优化.
• 了解免疫规避机制对于开发有效治疗至关重要.

研究的目的:

• 通过分子动力学 (MD) 模拟,分析1类纳米体对SARS-CoV-2变体的免疫逃避机制.
• 开发一个高效的管道,以快速优化纳米体的亲和力.
• 识别对新出现的SARS-CoV-2变种有效的高亲和度纳米体突变.

主要方法:

• 在纳米体与RBD相互作用中使用了MD模拟和结合性自由能量计算.
• 对野生型 (WT) 和Omicron变种 (BA.2,JN.1,KP.3/XEC) 的免疫逃避进行了调查.
• 建立了一个精简的管道,集成高吞吐量突变,蛋白质-蛋白质对接和MD模拟.

主要成果:

• MD分析将KP.3/XEC免疫逃避与弱化静电相互作用的Q493E突变联系在一起.
• 对R14,DL4,VH ab6和Nanosota9发现了许多高亲和度纳米体突变.
• 优化的R14变种显示与JN.1相比,结合能量的改善为62. 6%,并且在变种之间保持了<15%的亲和力变化.

结论:

• 在 silico 亲和度增强是针对 SARS-CoV-2 变种进行纳米体重定位的快速和资源高效方法.
• 计算方法显著加速纳米体优化,同时减少实验需求.
• 这一框架有助于制定针对不断变化的病毒威胁和其他病原体的应对措施.