Новый метод распознавания иммуноэпитопов, маркеры долговременного иммунитета, иммуносупрессивные домены и вакцины против COVID-19

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.

1. Joglekar AV, Li G. T cell antigen discovery. Nature Methods. 2020. Doi:10.1038/s41592-020-0867-z

2. Peters B, Nielsen M, Sette A. T Cell Epitope Predictions. Annu. Rev. Immunol. 2020. 38:123–45. Doi 10.1146/annurev-immunol-082119-124838

3. 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,

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_13

5. Пригожин И. Р., Стенгерс И. Порядок из хаоса. М: Прогресс 1986:432.

6. Харченко Е. П. Иммуноэпитопный континуум родства белков и полиреактивность и аутореактивность антител. Медицинская иммунология. 2015. Т.17,№ 4. C. 335–346.

7. Харченко Е. П., Дитятев А. Э. Предсказание пептидных антигенных структур, узнаваемых основным комплексом гистосовместимости. Докл. АН СССР 1990. Т.318(4):1013–1016.

8. Харченко Е .П. Распознавание эпитопов, связывающихся с разными DR-типами главного комплекса гистосовместимости класса II. Иммунология.1995. Т.16(6):21–23.

9. 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.2020.00442

10. Meyers 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/s41541-021-00331-6

11. Grifoni 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.2020.03.002

12. Halperta G, Shoenfeld Y. SARS-CoV-2, the autoimmune virus. Autoimmunity Reviews. 2020. Vol. 19 . 102695. Doi:10.1016/j.autrev.2020.102695

13. Харченко Е. П. Общие особенности коронавирусной пандемии и пандемий гриппа и поверхностных белков их возбудителей. Параллели. Эпидемиология и Вакцинопрофилактика. 2021;20(4):4–18. doi:10.31631/2073-3046-2021-20-4-4-18

14. Харченко Е. П. Вакцины против COVID-19: сравнительная оценка рисков аденовирусных векторов. Эпидемиология и Вакцинопрофилактика. 2020;19(5):4–17. https://doi:10.31631/2073-3046-2020-19-5-4-17

15. Callaway E. COVID-19 super-immunity: one of the pandemic’s great puzzles. Nature. 2021. doi.org/10.1038/d41586-021-02795-x.

16. Burton DR. Advancing an HIV vaccine advancing vaccinology. Nat Rev Immunol. 2019;19(2):77–78. doi: 10.1038/s41577-018-0103-6

17. 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.

18. 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.2018.04.025

19. Bajic 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- 019-40175-8

20. Blass 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/ s41571-020-00460-2

21. Jawa 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.2020.01301

22. 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.

23. Киселев О. И. Беременность, иммуносупрессия, грипп и плацентарная экспрессия эндогенных ретровирусов. Санкт-Петербург. Изд-во Росток. 2014:316.