在计算机模拟亲和力分析中，当遗传和结构相似性无法区分时，可通过该方法识别出一致的疫苗序列：以HCV E2基因型及泛基因型抗原为案例研究

《BMC Immunology》：In Silico affinity profiling differentiates consensus vaccine sequences where genetic and structural similarity fail: a case study on HCV E2 genotypic and pan-genotypic antigens

　　

摘要

背景

如果没有有效的疫苗，世界卫生组织在2030年前根除丙型肝炎的目标仍将无法实现。通过共识生成结合分层技术，有望针对像HCV这样高度变异的病毒开发出疫苗。不过，这种方法会产生大量候选疫苗，需要进一步进行体内测试。通过计算机模拟方法分析这些候选疫苗与单克隆抗体的亲和力，有助于减少候选数量。

方法

在本研究中，我们评估了计算机模拟亲和力分析方法对两种先前已报道的基因型共识序列（NOTC1和NOTC2）以及两种新生成的泛基因型序列（L1-CON和L2-CON）的区分能力，这些序列分别是用不同的共识生成算法得到的。通过同源建模为这些序列生成结构模型，并在典型系综中对其进行模拟。随后，将得到的平均结构作为输入，用于与所有已知能结合HCV E2蛋白各表位的抗体结构进行抗原-抗体对接研究。

结果

对于表位II的对接实验结果显示，NOTC1的结合能低于NOTC2（p?=?0.0279）和J-2a（p?=?0.0132），这一结果与其在体内的表现一致。而在1型基因组的共同祖先的遗传距离方面，以及蛋白质模型与晶体结构的相似性方面，则未观察到这种差异。

结论

值得注意的是，序列特征和结构相似性都与对接实验结果无关，这凸显了所提出的亲和力分析方法作为疫苗候选物初步评估工具的预测价值。