HLA-DRB1多态性调节EBNA1400–413与MBP85–99呈递之间的动态相容性

《ACS Omega》:HLA-DRB1 Polymorphisms Modulate the Dynamic Compatibility between the Presentation of EBNA1400–413 and MBP85–99

【字体: 大 中 小 】 时间:2026年09月19日 来源:ACS Omega 5.2

编辑推荐:

  多发性硬化(multiple sclerosis,MS)显示出与HLA-DRB1等位基因的强烈遗传关联,以及与EB病毒(Epstein–Barr virus,EBV)感染的一致流行病学关联。然而,HLA-DRB1多态性如何调节可能参与交叉反应的自身抗原和病毒抗

  
多发性硬化(multiple sclerosis,MS)显示出与HLA-DRB1等位基因的强烈遗传关联,以及与EB病毒(Epstein–Barr virus,EBV)感染的一致流行病学关联。然而,HLA-DRB1多态性如何调节可能参与交叉反应的自身抗原和病毒抗原的呈递,目前仍不清楚。本研究调查了由六种与不同MS风险谱相关的HLA-DRB1等位基因所形成的肽–HLA(peptide–HLA,pHLA)复合物,并研究了其与CLIP103–117、MBP85–99和EBNA1400–413的相互作用。为此,研究人员将分子动力学模拟与机器学习模型相结合,后者以pHLA界面处的残基间距离作为输入属性进行训练,从而能够评估不同肽如何调节复合物的构象稳定性,并识别哪些界面区域有助于区分高风险与低风险相关等位基因。结果表明,EBNA1400–413并未在整体上重现MBP85–99在结合沟内的相互作用模式。与MBP85–99和CLIP103–117相比,EBNA1400–413表现出更少的分子间接触、更大的溶剂暴露程度以及较不利的结合能。尽管如此,在较高风险的等位基因DRB1*15:01和DRB1*15:03中,含有EBNA1400–413的复合物表现出较低的构象变异性,并占据了与MBP85–99所观察到的低能区域部分重叠的低能区域。机器学习模型表明,自身抗原与病毒抗原具有不同的判别模式。然而,在MBP85–99和EBNA1400–413的联合模型中,信息量最大的残基对汇聚于β:70?β:72区域,包括β:71,且在含有EBNA1400–413的复合物中差异更为显著。该结果提示,β:71以肽依赖和等位基因依赖的方式参与界面组织。此外,EBNA1400–413的C:R402与MBP85–99中C:K93所占区域之间的邻近性提示,尽管这些肽之间缺乏整体结构等效性,但复合物之间存在局部的理化相似性。这些发现表明,EBNA1400–413并非MBP85–99的理想结构模拟物,但可能在MS高风险相关等位基因中有利于部分相容的构象状态。因此,本研究提出了一种依赖于pHLA界面动力学的功能模拟机制,其中HLA-DRB1多态性调节自身肽和病毒肽的呈递。该模型为研究HLA相关遗传风险与EBV免疫应答之间的相互作用如何促进MS自身免疫机制提供了分子基础。
**研究背景与科学问题**

多发性硬化(multiple sclerosis,MS)是一种中枢神经系统的慢性神经炎症性疾病,以脱髓鞘、轴突损伤及针对髓鞘成分的适应性免疫应答持续激活为特征。MS易感性源于遗传与环境因素的相互作用。在遗传因素中,位于染色体6p21的人白细胞抗原(human leukocyte antigen,HLA)区域是已确认的主要风险位点,其中HLA-DRB1基因的等位基因如HLA-DRB1*15:01和HLA-DRB1*15:03尤为突出。在环境因素中,EB病毒(Epstein–Barr virus,EBV)感染是与MS风险升高关联最为一致的流行病学因素之一,提示抗病毒免疫应答可能促进遗传易感个体自身耐受的破坏。HLA-DRB1等位基因的许多多态性残基位于β1结构域,这些变异可改变抗原结合口袋的理化性质、改变所呈递的肽库,并造成自身免疫病风险的差异。在MS中,β:71和β:86位点尤其值得关注:DRB1*15组等位基因在β:71携带丙氨酸,而β:86的G/V二态性调节P1口袋的体积与性质。然而,这些结构差异如何调节pHLA界面的动态行为并促成疾病相关肽的差异性呈递,尚不清楚。

在自身抗原方面,髓鞘碱性蛋白(myelin basic protein,MBP)因其在髓鞘中的结构作用及诱导CD4?T淋巴细胞自身反应的能力而被广泛研究。实验证据已支持含MBP85–99区域的肽段可被HLA-DRB1*15:01有效装载。在病毒抗原方面,来源于EB病毒核抗原1(Epstein–Barr virus nuclear antigen 1,EBNA1)的EBNA1400–413肽因能刺激与自身抗原MBP85–99相似的免疫应答而被牵涉于MS。分子模拟是解释二者潜在交叉反应机制的重要途径,但以往研究尚未系统阐明具体HLA-DRB1多态性如何促成含自身抗原和病毒抗原的pHLA复合物的差异性稳定。

**研究内容、结论与意义**

本研究将分析范围扩展至六种与不同MS风险谱相关的HLA-DRB1等位基因,旨在评估EBNA1400–413是否相对MBP85–99表现出功能模拟,以及pHLA界面的哪些多态性区域促成该效应。研究人员将分子动力学模拟与机器学习模型相结合,以pHLA界面的残基间距离为输入属性训练随机森林分类器,用于区分高、低风险等位基因。结果表明,EBNA1400–413并不在整体上重现MBP85–99在结合沟内的相互作用模式,不支持传统意义上的分子模拟机制。然而,在高风险等位基因DRB1*15:01和DRB1*15:03中,含EBNA1400–413的复合物表现出较低的构象变异性和部分重叠的低能区域,提示二者存在部分相容的构象状态。机器学习模型进一步显示,联合模型中信息量最大的残基对汇聚于β:70?β:72区域,且该区域在EBNA1400–413复合物中差异更为显著,表明该位置以肽依赖和等位基因依赖的方式参与界面组织。本研究提出了一种依赖pHLA界面动态的功能模拟机制,为理解HLA遗传风险与EBV免疫应答如何共同促成MS自身免疫机制提供了分子基础。

**主要关键技术方法**

本研究的计算流程包括以下关键环节。第一,同源建模与分子对接:以PDB 1YMM晶体结构为起点,使用MODELLER填补缺失区域并构建六种HLA-DRB1等位基因(DRB1*01:01、*11:01、*15:01、*15:02、*15:03、*16:01)的异二聚体模型,随后使用GalaxyPepDock将CLIP103–117、MBP85–99和EBNA1400–413肽对接到结合沟中,共构建18个pHLA复合物。第二,分子动力学模拟:使用CHARMM-GUI Membrane Builder构建蛋白质–膜系统,以CHARMM36m力场在GROMACS v2024.4中进行500 ns的重复模拟。第三,机器学习分析:从轨迹中计算结合沟残基与肽残基间的Cα距离,经逆距离变换和归一化后作为随机森林模型的输入特征,通过分层十折交叉验证评估模型性能,并使用基于Gini不纯度降低的类别特异性重要性(class-specific importance,CSI)识别最具判别力的残基对。第四,结合自由能计算:使用gmx_MMPBSA程序估计结合自由能并进行逐残基分解。

**主要研究结果**

**脂质双分子层的结构表征。**通过膜厚度、质量密度分布和酰链有序参数分析,18个系统的膜厚度稳定在约46 ?,双分子层两侧分布近似对称,酰链有序参数符合脂质组成特征,表明膜环境在模拟中保持结构稳定。

**pHLA复合物的构象分析。**RMSD分析显示所有系统在约50 ns后达到稳定状态,复合物中EBNA1400–413的RMSD均值略高于另两种肽。成对RMSD矩阵聚类分析显示,在DRB1*01:01、*11:01、*15:02和*16:01等位基因中,EBNA1400–413复合物的RMSD分布更分散,而在DRB1*15:01和DRB1*15:03中MBP85–99与EBNA1400–413的分布更接近并部分重叠。二级结构分析表明α1和β1结构域的整体二级结构在所有复合物中均被保留。最小距离分析显示所有肽均与结合沟保持持续接触,但接触数定量分析表明EBNA1400–413的接触数明显少于CLIP103–117和MBP85–99。SASA分析显示EBNA1400–413沿肽序列的溶剂暴露程度更高,其中C:R402是最突出的高暴露残基,而MBP85–99中对应的是C:K93。

**pHLA界面氢键分析。**MBP85–99和CLIP103–117在各等位基因中表现出较保守的氢键网络,主要集中于锚定位置P1、P4、P6和P9。EBNA1400–413的氢键模式在各等位基因间差异较大,但在DRB1*15:01和DRB1*15:03中出现了涉及C:G410?β:D57(P9)、C:P408?β:W61(P7)和C:R403?β:D28(P4)的反复相互作用。

**结合自由能估计与逐残基分解。**MM/PBSA结果表明,含MBP85–99和CLIP103–117的复合物具有更有利的总结合自由能(ΔTOTAL约?73至?109 kcal/mol),而EBNA1400–413复合物的ΔTOTAL介于?36至?48 kcal/mol之间,差异主要归因于范德华和非极性溶剂化能的贡献较低。

**自由能景观分析。**在DRB1*15:01和DRB1*15:03中,MBP85–99与EBNA1400–413的低能区域在PC1–PC2空间中部分重合。代表性结构显示,EBNA1400–413的N端区域在沟内发生重排,使C:R402侧链 reposition至接近MBP85–99中C:K93所占据的区域。

**pHLA界面判别性残基对的识别。**三种随机森林模型的准确率均超过0.95。MBP85–99模型中最具判别力的残基对集中于α链α:26–28区域(P1口袋),与β:86的G/V二态性空间相邻。EBNA1400–413模型中最具判别力的残基对主要涉及β链β:57和β:54与C:P404的配对。联合模型中最具判别力的残基对汇聚于β:70?β:72区域,特别是多态性位点β:71,与MBP-C:F91和EBNA1-C:F406对应。

**随机森林识别残基对的距离分析。**EBNA1400–413模型中β:57–C:P404和β:54–C:P404在高、低风险等位基因间距离差异显著,高风险等位基因中距离更短。MBP85–99模型中α:26–28相关对的距离差异虽显著但幅度较小。联合模型中β:71相关差异在EBNA1400–413复合物中更为显著,而在MBP85–99复合物中较微弱,表明该位置的作用是肽依赖的。

**讨论总结与研究结论**

本研究的核心贡献在于证明EBNA1400–413并非MBP85–99的理想结构模拟物,不支持传统意义上的分子模拟机制。相反,EBNA1400–413与MBP85–99的相容性源于高风险等位基因中pHLA界面动力学和局部组织特征的趋同。在DRB1*15:01和DRB1*15:03中,β:A71与β:V86的联合存在、P4/P7/P9处的反复氢键相互作用,以及EBNA1400–413的C:R402向MBP85–99中C:K93所在区域的重新定位,共同促成低构象变异性和部分相容的构象状态。β:71被HLA精细定位数据确认为与MS易感性关联最强的DRβ1氨基酸位置,本研究结果与其一致。值得注意的是,DRB1*15:02虽然也携带β:A71,但因β:G86的存在而表现为较低风险,提示β:A71单独不足以解释高风险等位基因中观察到的效应。研究结论可概括为:HLA-DRB1多态性通过调节pHLA界面动态来调制自身肽和病毒肽的呈递,功能模拟可能源于等位基因依赖的界面动态和局部组织特征,而非配体间的理想结构等效性。该模型为理解HLA遗传风险与EBV免疫应答之间的相互作用如何促成MS自身免疫机制提供了分子基础。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号