代免疫原优化以将免疫反应集中在一个保存的,亚主导的病毒表位上

科学领域:

• 病毒学 病毒学
• 免疫学 免疫学 免疫学
• 蛋白质工程是指蛋白质工程.
• 机器学习 机器学习

背景情况:

• 像流感和艾滋病毒这样的基因多样化的病毒迅速发生突变,逃避免疫反应并使疫苗设计复杂化.
• 保存的病毒区域是广泛免疫的理想目标,但通常是亚主导的,这意味着它们通常不是自然免疫反应的目标.
• 目前的疫苗往往无法引起对这些关键的保存表征的反应.

研究的目的:

• 设计新的蛋白质免疫原体,将免疫反应指向保存的,亚主导的病毒表位.
• 利用机器学习的进步来预测和设计免疫基因工程中的蛋白质结构.
• 制定一种策略,用于制造针对流感等高度变异性病毒的广泛保护性疫苗.

主要方法:

• 集成机器学习用于蛋白质结构预测和设计,以设计免疫原体.
• 专注于一种与流感相关的保存,亚主导的血质素 (HA) 表位.
• 采用代计算引导的优化和体内分析.
• 用工程免疫原体接种疫苗的动物来评估免疫反应的重定向.

主要成果:

• 成功设计的免疫原体准确地显示了目标保存HA表位.
• 证明用这些免疫原体接种疫苗会将幽默性免疫反应重定向到向的表位.
• 在以前的亚主导部位实现了免疫反应的显著集中.
• 验证了设计向免疫原体的计算方法.

结论:

• 通过机器学习增强的蛋白质工程方法,可以有效地将免疫反应集中在保存的病毒表位上.
• 这一战略为设计能够引起广泛保护性免疫力的免疫原提供了蓝图.
• 这些发现可能会对下一代广泛保护性流感疫苗的开发产生重大影响.
• 这种方法有望应对其他遗传多样性的病毒病原体.