epidemiologyЭпидемиология и ВакцинопрофилактикаEpidemiology and Vaccinal Prevention2073-30462619-0494«Numicom» LLC10.31631/2073-3046-2022-21-1-4-20epidemiology-1452Research ArticleПРОБЛЕМНЫЕ СТАТЬИPROBLEM-SOLVING ARTICLEНовый метод распознавания иммуноэпитопов, маркеры долговременного иммунитета, иммуносупрессивные домены и вакцины против COVID-19Novel Method of Immunoepitope Recognition, Long-Term Immunity Markers, Immunosuppressive Domens and Vaccines against COVID-19ХарченкоЕ. П.KharchenkoE. P.

Харченко Евгений Петрович, д. б. н., ведущий научный сотрудник

194223, Санкт-Петербург, пр. Тореза, 44

8(904)338-22-80

 

 

Eugene P. Kharchenko – Dr. Sci. (Biol.), leader researcher

194223, St. Petersburg, Toreza pr., 44. +7 (904) 338-22-80,

neuro.children@mail.ruФГБУН «Институт эволюционной физиологиии и биохимии им. И. М. Сеченова» РАНРоссияI. Sechenov Institute of Evolutionary Physiology and Biochemistry, Russian Academy SciencesRussian Federation202214032022211420Copyright © Харченко Е.П., 20222022Харченко Е.П.Kharchenko E.P.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.epidemvac.ru/jour/article/view/1452

Актуальность. Поиск компьютерных методов с высокой эффективностью распознавания иммуноэпитопов и прогнозирование долговременности индуцируемого ими иммунитета определяется прежде всего необходимостью быстрого создания вакцин против вновь возникших инфекций, особенно в периоды пандемий. Цель. Разработка нового иммуноинформационного метода распознавания иммуноэпитопов, выявление в первичной структуре вирусных белков возможных маркеров их потенциала индуцировать долговременный иммунитет и в оценке ими вакцин против COVID-19. Материалы и методы. Для компьютерного анализа использовались доступные в Интернете базы данных иммуноэпитопов длиною в 15 и 9 аминокислот, рестриктированных соответственно по МНС I и МНС II, и пептидов, не связывающихся с МНС, а также белков человека и вирусов. Алгоритм дискриминации иммуноэпитопов основывался на позиционном различении в их первичных структурах специфичных коротких пептидов. Результаты. «Инвентаризация» в обучающих выборках ди- и трипептидов или пентапептидов иммуноэпитопов и неиммуноэпитопов позволяет безошибочно распознать в контрольных выборках до 93–97% иммуноэпитопов, рестриктированных по МНС I и МНС II. В белках разных субъединичных вакцин, вызывающих длительный иммунитет, доминируют аминокислоты (особенно пролина), составляющие основу внутренне дезорганизованных областей, и пролин-содержащие дипептиды, что позволяет рассматривать их как биомаркеры потенциала вирусного белка формировать долговременную иммунную память. Вывод. Метод распознавания иммуноэпитопов и биомаркер индуцирования долговременной иммунной памяти могут быть использованы как биоинформативные инструменты вычислительной вакцинологии. Обеспечение долговременного иммунитета вакцинами на основе белка S коронавируса SARS-CoV-2 маловероятно.

Relevance of searching for computer methods with high efficiency of immunoepitopes recognition and predicting the longevity of the immunity they induce is determined primarily by the need to quickly create vaccines against newly emerging infections, especially during pandemic periods. Aim. To develop a new immunoinformation method for recognizing immunoepitopes, to identify in the viral proteins possible potential markers to induce long-term immunity and to evaluate by them the vaccines against Covid-19. Materials and methods. For computer analysis, an Internet-accessible databases of immunoep topes 15 and 9 amino acids long, restricted respectively by MHC I and MHC II, and peptides not binding to MHC, as well as human and virus proteins, were used. The algorithm for discriminating immunoepitopes was based on positional distinction of specific short peptides in their primary structures. Results. The «inventory» in the training samples of di- and tripeptides or pentapeptides of immunoepitopes and nonimmunoepitopes makes it possible to accurately recognize in the control samples up to 93–97% of immunoepitopes restricted by MHC I and MHC II. Comparison of the amino acid composition of proteins of subunit vaccines causing long-term immunity revealed dominance of amino acids (especially proline), which form the basis of internally disorganized regions, and proline-containing dipeptides, that allowed them to be considered as biomarkers of the potential of a viral protein to form a long-term immune memory.In the S-protein of coronavirus SARS-CoV-2 two candidates for immunospressive domains are present and the dominance of proline and dipeptides containing it is absent. Conclusion. The immunoepitope recognition method and the biomarker for inducing longterm immune memory can be used as immunoinformative tools of computational vaccinology. Providing long-term immunity by vaccines based on the coronavirus SARS-CoV-2 protein S is unlikely.

иммуноэпитопыбиомаркерыиммунная памятьиммуносупрессивные доменыкоронавирусыпрогнозирование Конфликт интересов не заявлен.immunoepitopesbiomarkersimmune memoryimmunosuppressive domainscoronavirusespredictionReferencesJoglekar AV, Li G. T cell antigen discovery. Nature Methods. 2020. Doi:10.1038/s41592-020-0867-zJoglekar AV, Li G. T cell antigen discovery. Nature Methods. 2020. Doi:10.1038/s41592-020-0867-zPeters B, Nielsen M, Sette A. T Cell Epitope Predictions. Annu. Rev. Immunol. 2020. 38:123–45. Doi 10.1146/annurev-immunol-082119-124838Peters B, Nielsen M, Sette A. T Cell Epitope Predictions. Annu. Rev. Immunol. 2020. 38:123–45. Doi 10.1146/annurev-immunol-082119-124838Loan Ping Eng, Tin Wee Tan, Joo Chuan Tong , Söllner J. Building MHC Class II Epitope Predictor Using Machine Learning Approaches. In: Peng Zhou and Jian Huang (eds.), Computational Peptidology, Methods in Molecular Biology, vol. 1268, DOI 10.1007/978-1-4939-2285-7_4,Loan Ping Eng, Tin Wee Tan, Joo Chuan Tong , Söllner J. Building MHC Class II Epitope Predictor Using Machine Learning Approaches. In: Peng Zhou and Jian Huang (eds.), Computational Peptidology, Methods in Molecular Biology, vol. 1268, DOI 10.1007/978-1-4939-2285-7_4,Söllner J. Computational Peptide Vaccinology. In: Peng Zhou and Jian Huang (eds.), Computational Peptidology, Methods in Molecular Biology, vol. 1268, DOI: 10.1007/978-1-4939-2285-7_13Söllner J. Computational Peptide Vaccinology. In: Peng Zhou and Jian Huang (eds.), Computational Peptidology, Methods in Molecular Biology, vol. 1268, DOI: 10.1007/978-1-4939-2285-7_13Пригожин И. Р., Стенгерс И. Порядок из хаоса. М: Прогресс 1986:432.Prigozhin I.R., Stengers I. Order from chaos. Progress 1986. s432.Харченко Е. П. Иммуноэпитопный континуум родства белков и полиреактивность и аутореактивность антител. Медицинская иммунология. 2015. Т.17,№ 4. C. 335–346.Kharchenko EP. Immune epitope continuum of the protein relationships, poly- and autoreactivity of antibodies. Medical Immunology. 2015;17(4):335–346 (In Russ.). doi:10.15789/1563-0625-2015-4-335-346.Харченко Е. П., Дитятев А. Э. Предсказание пептидных антигенных структур, узнаваемых основным комплексом гистосовместимости. Докл. АН СССР 1990. Т.318(4):1013–1016.Kharchenko E.P., Dityatev A.E. Prediction of peptide antigenic structures recognized by the main histocompatibility complex. Dokl. USSR ACADEMY OF SCIENCES 1990. T.318 N 4 C.1013-1016.Харченко Е .П. Распознавание эпитопов, связывающихся с разными DR-типами главного комплекса гистосовместимости класса II. Иммунология.1995. Т.16(6):21–23.Kharchenko E.P. Recognition of epitopes binding to different DR types of the main histocompatibility complex of class II. Immunology. 1995. T.16 N 6 S.21-23.De Groot AS, Moise L, Terry F, Gutierrez AH, et al. Better epitope discovery, precision immune engineering, and accelerated vaccine design using immunoinformatics tools. Front. Immunol. 2020 11:442. doi: 10.3389/fimmu.2020.00442De Groot AS, Moise L, Terry F, Gutierrez AH, et al. Better epitope discovery, precision immune engineering, and accelerated vaccine design using immunoinformatics tools. Front. Immunol. 2020 11:442. doi: 10.3389/fimmu.2020.00442Meyers LM, Gutiérrez AH, Boyle CM, et al. Highly conserved, non-human-like, and cross-reactive SARS-CoV-2 T cell epitopes for COVID-19 vaccine. design and validation. npj Vaccines.2021.Vol. 6:71. doi 10.1038/s41541-021-00331-6Meyers LM, Gutiérrez AH, Boyle CM, et al. Highly conserved, non-human-like, and cross-reactive SARS-CoV-2 T cell epitopes for COVID-19 vaccine. design and validation. npj Vaccines.2021.Vol. 6:71. doi 10.1038/s41541-021-00331-6Grifoni A, Sidney J,. Zhang Y, et al. A Sequence Homology and Bioinformatic Approach Can Predict Candidate Targets for Immune Responses to SARS-CoV-2 Cell Host & Microbe. 2020. Vol.27, P.671–680, doi 10.1016/j.chom.2020.03.002Grifoni A, Sidney J,. Zhang Y, et al. A Sequence Homology and Bioinformatic Approach Can Predict Candidate Targets for Immune Responses to SARS-CoV-2 Cell Host & Microbe. 2020. Vol.27, P.671–680, doi 10.1016/j.chom.2020.03.002Halperta G, Shoenfeld Y. SARS-CoV-2, the autoimmune virus. Autoimmunity Reviews. 2020. Vol. 19 . 102695. Doi:10.1016/j.autrev.2020.102695Halperta G, Shoenfeld Y. SARS-CoV-2, the autoimmune virus. Autoimmunity Reviews. 2020. Vol. 19 . 102695. Doi:10.1016/j.autrev.2020.102695Харченко Е. П. Общие особенности коронавирусной пандемии и пандемий гриппа и поверхностных белков их возбудителей. Параллели. Эпидемиология и Вакцинопрофилактика. 2021;20(4):4–18. doi:10.31631/2073-3046-2021-20-4-4-18Kharchenko EP. Common Features of Coronavirus and Influenza Pandemics and Surface Proteins of their Pathogens. Parallels. Epidemiology and Vaccinal Prevention. 2021;20(4): 4–18 (In Russ.). https://doi: 10.31631/2073-3046-2021-20-4-4-18Харченко Е. П. Вакцины против COVID-19: сравнительная оценка рисков аденовирусных векторов. Эпидемиология и Вакцинопрофилактика. 2020;19(5):4–17. https://doi:10.31631/2073-3046-2020-19-5-4-17Kharchenko EP. Vaccines against Covid-19: the Comparative Estimates of Risks in Adenovirus Vectors. Epidemiology and Vaccinal Prevention. 2020; 19 (5): 4–17 (In Russ.). doi: 10.31631/2073-3046-2020-19-5-4-17.Callaway E. COVID-19 super-immunity: one of the pandemic’s great puzzles. Nature. 2021. doi.org/10.1038/d41586-021-02795-x.Callaway E. COVID-19 super-immunity: one of the pandemic’s great puzzles. Nature. 2021. doi.org/10.1038/d41586-021-02795-x.Burton DR. Advancing an HIV vaccine advancing vaccinology. Nat Rev Immunol. 2019;19(2):77–78. doi: 10.1038/s41577-018-0103-6Burton DR. Advancing an HIV vaccine advancing vaccinology. Nat Rev Immunol. 2019;19(2):77–78. doi: 10.1038/s41577-018-0103-6Sok D, Burton DR. Recent progress in broadly neutralizing antibodies to HIV. Nat Immunol. 2018;19(11):1179–1188. doi: 10.1038/s41590-018-0235-7.Sok D, Burton DR. Recent progress in broadly neutralizing antibodies to HIV. Nat Immunol. 2018;19(11):1179–1188. doi: 10.1038/s41590-018-0235-7.Andrabi R, Bhiman JN, Burton DR. Strategies for a multi-stage neutralizing antibody-based HIV vaccine. Curr Opin Immunol. 2018:53:143–151. doi: 10.1016/j. coi.2018.04.025Andrabi R, Bhiman JN, Burton DR. Strategies for a multi-stage neutralizing antibody-based HIV vaccine. Curr Opin Immunol. 2018:53:143–151. doi: 10.1016/j. coi.2018.04.025Bajic G, van der Poel CE, Kuraoka M, et al. Autoreactivity profiles of influenza hemagglutinin broadly neutralizing antibodies. Sci Rep. 2019;9(1):3492. doi: 10.1038/s41598- 019-40175-8Bajic G, van der Poel CE, Kuraoka M, et al. Autoreactivity profiles of influenza hemagglutinin broadly neutralizing antibodies. Sci Rep. 2019;9(1):3492. doi: 10.1038/s41598- 019-40175-8Blass E, Ott PA. Advances in the development of personalized neoantigen-based therapeutic cancer vaccines. Nat Rev Clin Oncol. 2021 Apr;18(4):215–229. doi:10.1038/ s41571-020-00460-2Blass E, Ott PA. Advances in the development of personalized neoantigen-based therapeutic cancer vaccines. Nat Rev Clin Oncol. 2021 Apr;18(4):215–229. doi:10.1038/ s41571-020-00460-2Jawa V, Terry F, Gokemeijer J, et al. T-Cell Dependent Immunogenicity of Protein Therapeutics Pre-clinical Assessment and Mitigation–Updated Consensus and Review 2020. Front. Immunol. 11:1301. doi: 10.3389/fimmu.2020.01301Jawa V, Terry F, Gokemeijer J, et al. T-Cell Dependent Immunogenicity of Protein Therapeutics Pre-clinical Assessment and Mitigation–Updated Consensus and Review 2020. Front. Immunol. 11:1301. doi: 10.3389/fimmu.2020.01301Huttner A, Siegrist C.A. Durability of single-dose rVSV-ZEBOV vaccine responses: what do we know? Expert Rev Vaccines. 2018, 17:1105-1110. doi:10.1080/ 14760584.2018.1546582.Huttner A, Siegrist C.A. Durability of single-dose rVSV-ZEBOV vaccine responses: what do we know? Expert Rev Vaccines. 2018, 17:1105-1110. doi:10.1080/ 14760584.2018.1546582.Киселев О. И. Беременность, иммуносупрессия, грипп и плацентарная экспрессия эндогенных ретровирусов. Санкт-Петербург. Изд-во Росток. 2014:316.Kiselev О.I. Pregnancy, immunosuppression, influenza and the placental expression of endogenous retroviruses. 2014. St. Petesburg. Publisher «Rostok»:316 (In Russ.).Эпидемиология и Вакцинопрофилактика. Том 21, № 1/Epidemiology and Vaccinal Prevention. Vol. 21, No 1

The authors declare that there are no conflicts of interest present.