《Veterinary Immunology and Immunopathology》:Mapping immune targets in peste des petits ruminants virus hemagglutinin: An integrated computational framework for vaccine candidate prioritization
编辑推荐:
摘要背景小反刍兽疫病毒(PPRV)是反刍动物的一种重要跨境病毒病原体,在流行地区造成严重的经济损失。血凝素(H)蛋白介导受体识别和宿主细胞黏附,是疫苗开发的重要靶点。本研究采用综合计算框架,鉴定了PPRV H蛋白内保守的免疫原性区域。方法共分析64条独特的PPRV H蛋白序列
摘要
背景
小反刍兽疫病毒(PPRV)是反刍动物的一种重要跨境病毒病原体,在流行地区造成严重的经济损失。血凝素(H)蛋白介导受体识别和宿主细胞黏附,是疫苗开发的重要靶点。本研究采用综合计算框架,鉴定了PPRV H蛋白内保守的免疫原性区域。
方法
共分析64条独特的PPRV H蛋白序列,采用多序列比对、基于熵的保守性分析、保守性感知的表位预测、与实验表征的免疫决定簇进行比较、结构映射、候选区域排序以及探索性神经网络归因分析。将预测的表位与已报道的免疫决定簇进行比较,并结合保守性和结构数据进行上下文解读。
结果
该流程鉴定了9个预测的B细胞表位候选区和151个预测的T细胞肽候选区,分布于整个H蛋白序列中。得分最高的预测B细胞表位候选区位于第399–407位残基(SGPWSEGRI,Epitope_Score:1.0000,长度:9个氨基酸),得分最高的T细胞肽候选区对应第36–44位残基(YILLGVLLV;得分:0.889)。保守性分析鉴定出412个保守性得分大于0.9的残基。与实验表征的免疫决定簇的比较显示,部分预测区域与文献报道存在对应关系。结构映射为保守区域和预测区域提供了三维结构背景。探索性神经网络归因得分以描述性方式生成,未经生物学解释,不作为经验证的抗原性指标。
结论
整合计算分析结合了保守性分析、免疫表位预测、与实验表征免疫决定簇的比较、结构解读、候选区域排序以及探索性神经网络归因分析,鉴定了PPRV H蛋白内保守的及计算预测的免疫候选区域。第399–407位残基(SGPWSEGRI)代表得分最高的计算预测B细胞表位区域,值得进一步研究和实验验证。
引言
小反刍兽疫(PPR)是由小反刍兽疫病毒(PPRV)引起的一种高度传染性反刍动物病毒性疾病,该病毒属于副黏液病毒科麻疹病毒属。该疾病主要影响山羊和绵羊,特征为发热、眼鼻分泌物、口炎、肺炎、肠炎和严重免疫抑制,在易感动物群体中常导致显著的发病率和死亡率(Baron等,2016)。由于其对畜牧生产、粮食安全和农村生计的重大社会经济影响,PPR被认为是影响非洲、中东和亚洲发展中地区的最具经济重要性的跨境动物疾病之一。
PPRV基因组编码六种主要结构蛋白,其中包括血凝素(H)糖蛋白,后者在病毒黏附、受体识别和宿主细胞入侵中发挥核心作用。H蛋白暴露于病毒表面,是宿主中和抗体反应的主要靶点之一(Bailey等,2005)。由于其免疫学重要性以及直接参与病毒感染性,H蛋白已成为疫苗开发、免疫表位发现和抗病毒研究的理想靶点。
尽管目前现有的减毒活疫苗能有效预防PPRV感染,但仍存在若干重要挑战,包括冷链依赖性、疫苗稳定性、感染动物与免疫动物的鉴别(DIVA)以及流行病毒株间可能存在的抗原性变异。因此,越来越多的关注被引向鉴定保守的免疫原性区域,以支持肽基、表位聚焦和下一代理性疫苗策略的开发。
计算免疫学和免疫信息学方法在加速疫苗靶点发现和实验验证前优先排序候选免疫区域方面变得越来越重要。以往研究已证明序列保守性分析、B细胞表位预测、T细胞表位预测和结构映射在鉴定潜在免疫原性病毒区域方面的实用性(Paul等,2015;Sanchez-Trincado等,2017)。最近,基于人工智能(AI)和机器学习的分析框架已成为识别具有生物学意义的序列模式和在蛋白质中优先排序功能重要残基的有力工具(Greaney等,2021;Hie等,2023)。
尽管取得了上述进展,但以往许多涉及PPRV免疫表位表征的计算研究主要依赖孤立的预测方法,未将进化保守性、结构定位、实验验证和AI辅助的残基优先排序整合到统一的分析框架中。因此,多个预测候选区域在结构可及性、进化稳定性以及与免疫相关性重叠方面仍缺乏充分的上下文解读。
本研究采用了一种整合计算框架,结合进化保守性分析、免疫表位预测、实验验证、结构映射、疫苗候选优先排序和基于AI的残基重要性分析,系统表征了PPRV H蛋白。通过整合保守性分析、免疫原性预测、结构解读和机器学习辅助的优先排序,本研究旨在鉴定保守的且生物学上连贯的免疫候选区域,以支持未来针对PPRV的实验验证和理性疫苗开发策略。
章节摘要
序列获取与数据集准备
小反刍兽疫病毒(PPRV)血凝素(H)蛋白对应的蛋白序列通过Entrez编程工具(E-utilities)从美国国家生物技术信息中心(NCBI)蛋白数据库获取。序列获取和预处理使用基于Python的脚本和Biopython v1.83(Cock等,2009)完成。仅保留完整的H蛋白序列用于下游分析;不完整的、低质量的、模糊的或高度
PPRV血凝素(H)蛋白的整合计算分析
一种整合计算框架结合了进化保守性分析、免疫表位预测、实验验证、结构映射、疫苗候选优先排序和基于人工智能(AI)的残基重要性分析,应用于小反刍兽疫病毒(PPRV)血凝素(H)蛋白。共分析完整蛋白序列中的609个氨基酸残基。该流程鉴定了9个预测的B细胞表位候选区和151个
讨论
本研究采用了一种结合进化保守性分析、免疫表位预测、与实验表征免疫决定簇的比较、结构映射、基于Epitope_Score的候选排序和探索性神经网络归因分析的 computes 框架,来表征小反刍兽疫病毒(PPRV)的血凝素(H)蛋白。分析鉴定了保守的及计算预测的候选区域,值得进一步
结论
总之,结合保守性分析、基于序列的免疫表位预测、与实验表征免疫决定簇的比较、结构上下文解读、Epitope_Score排序和探索性神经网络归因的计算分析,鉴定了PPRV H蛋白内的保守候选区域。第399–407位残基(SGPWSEGRI)被鉴定为得分最高的计算预测B细胞表位区域(Epitope_Score:1.0000;长度:9个氨基酸)。
CRediT作者贡献声明
Abubakar Garba:撰写——审稿与编辑,撰写——初稿,可视化,验证,软件,方法学,调查,数据整理,概念化。
生成式人工智能及AI辅助技术在写作过程中的声明
使用人工智能工具,包括OpenAI ChatGPT,协助计算工作流程开发、语言润色、图表规划和手稿准备。所有分析、解释和最终手稿内容均经作者审核、验证和批准,作者对工作的准确性和完整性承担全部责任。
资金支持
本研究未获得公共、商业或非营利部门任何资金机构的专项资助。
利益冲突声明
作者声明,不存在已知的竞争性经济利益或可能影响本论文所报告工作的个人关系。
致谢
作者感谢使用了公开的计算资源、生物信息学数据库和软件工具,这些资源促成本研究的分析。作者也感谢为维护和提供这些资源而做出贡献的科研界同行。
Abubakar Garba