Nuevos Métodos en el Diseño de Proteínas para Vacunas
Investigadores desarrollan herramientas para un mejor diseño de vacunas que apunten al sistema inmunológico.
― 8 minilectura
Tabla de contenidos
La reciente pandemia de COVID-19 ha destacado la efectividad de las Vacunas de ARN. Estas vacunas son seguras, se pueden desarrollar rápido y ayudan al cuerpo a producir Proteínas que combaten virus. Este éxito ha llevado a la creación de más vacunas para diferentes enfermedades. Compañías como Moderna ya están trabajando en terapias de ARN para condiciones como enfermedades autoinmunes, cáncer y trastornos genéticos.
Al diseñar estas terapias, los investigadores necesitan considerar cómo interactúan las proteínas con el Sistema Inmunológico. A veces quieren que el sistema inmunológico responda fuertemente a una proteína, como en el caso de una vacuna. Otras veces, prefieren una respuesta más débil para evitar efectos secundarios. Este equilibrio ha llevado a los científicos a enfocarse en maneras de diseñar proteínas que puedan cumplir diferentes objetivos del sistema inmunológico.
La investigación se ha centrado principalmente en cómo evitar respuestas inmunitarias fuertes eliminando ciertos marcadores en las proteínas. Sin embargo, muchas terapias y vacunas resultan en proteínas producidas dentro de las células, que luego se presentan al sistema inmunológico de una manera específica. Esto significa que los investigadores también necesitan herramientas para ajustar cómo son vistas estas proteínas por el sistema inmunológico.
Algunos estudios han encontrado casos donde un tratamiento causa que el sistema inmunológico ataque células sanas o falle cuando necesita funcionar. Por ejemplo, ciertas terapias génicas pueden llevar al sistema inmunológico a atacar las células que recibieron los cambios genéticos. De manera similar, algunas vacunas para virus que cambian rápidamente, como el VIH, necesitan presentar una amplia variedad de fragmentos de proteína para entrenar correctamente al sistema inmunológico.
Para enfrentar estos desafíos, los investigadores han desarrollado un nuevo marco para manejar cómo se presentan las proteínas al sistema inmunológico.
Nuevo Marco para el Diseño de Proteínas
El artículo presenta un nuevo método para controlar cómo son vistas las proteínas por el sistema inmunológico, particularmente a través del MHC Clase I, que juega un papel clave en cómo el sistema inmunológico reconoce células infectadas o anormales. Este marco incluye el desarrollo de dos herramientas: CAPE-XVAE y CAPE-Packer.
CAPE-XVAE
CAPE-XVAE combina técnicas avanzadas de aprendizaje automático para crear secuencias de proteínas modificadas que tienen mejor visibilidad para el sistema inmunológico. Esta herramienta se adapta a los cambios en el paisaje inmunológico y puede ajustarse para necesidades futuras.
CAPE-Packer
CAPE-Packer se basa en principios físicos y busca aumentar o disminuir cómo de visible es una proteína para el sistema inmunológico. Usa un método que considera cómo las proteínas se pliegan en sus formas más estables. Esto ayuda en el diseño de proteínas que se ajusten a objetivos terapéuticos específicos.
Evaluando los Métodos
Ambos métodos fueron probados usando la proteína Nef del VIH, que es un objetivo importante para el desarrollo de vacunas debido a la urgencia de combatir el VIH y la disponibilidad de muchas secuencias para analizar. Los investigadores crearon proteínas modificadas usando ambas herramientas y compararon su efectividad basándose en cuán visibles eran para el sistema inmunológico, cuán similares eran a proteínas naturales y cuán estables eran.
Visibilidad para el Sistema Inmunológico
Para evaluar cuán visibles eran las proteínas para el sistema inmunológico, los investigadores usaron un método conocido para predecir qué fragmentos de proteína serían presentados en la superficie de la célula. Este puntaje de visibilidad ayuda a determinar cómo reaccionaría el sistema inmunológico a la proteína dada.
Similitud a Proteínas Naturales
Los investigadores observaron cuán estrechamente las proteínas modificadas se parecían a las proteínas que ocurren naturalmente. Esto es importante porque las proteínas que son demasiado diferentes de las naturales pueden no funcionar adecuadamente o pueden no ser reconocidas correctamente por el sistema inmunológico.
Estabilidad de las Proteínas
Además de la visibilidad y similitud, los investigadores evaluaron cuán estables eran las proteínas modificadas al ejecutar simulaciones que imitan condiciones de la vida real. La estabilidad es crucial porque las proteínas necesitan mantener su estructura para ser efectivas.
Hallazgos Clave
Los resultados mostraron que tanto CAPE-XVAE como CAPE-Packer podían cambiar cuán visible es una proteína para el sistema inmunológico. Sin embargo, tenían diferentes fortalezas.
CAPE-XVAE
Preservación de la Secuencia Natural: CAPE-XVAE mantuvo muchas de las características de las proteínas naturales. Por ejemplo, generó muchas proteínas que contenían fragmentos encontrados en secuencias naturales. Esto es beneficioso en el diseño de vacunas porque puede asegurar que el sistema inmunológico sea entrenado para reconocer variaciones significativas de proteínas virales.
Modificación Moderada de Visibilidad: Aunque CAPE-XVAE alteró la visibilidad de las proteínas, los cambios fueron moderados. Esto sugiere que puede ser más adecuado para crear candidatos a vacunas que necesiten presentar una gama de fragmentos de proteína.
Alta Similitud a Proteínas Naturales: Las proteínas generadas por CAPE-XVAE eran generalmente más similares a las proteínas naturales, lo que podría ayudar a mantener funciones útiles.
CAPE-Packer
Modificación Extrema de Visibilidad: CAPE-Packer fue efectivo en cambiar significativamente cuán visibles eran las proteínas para el sistema inmunológico. Sin embargo, esto vino con el costo de la similitud a secuencias naturales.
Pobre Integración de Péptidos Naturales: A diferencia de CAPE-XVAE, CAPE-Packer tuvo dificultades para incorporar fragmentos de proteínas naturales. Esto podría limitar su efectividad en el diseño de vacunas, donde presentar secuencias naturales es crucial.
Estabilidad Estructural: CAPE-Packer generó proteínas que eran estructuralmente estables, pero pueden no funcionar tan bien debido a su divergencia de las proteínas naturales.
Desafíos en el Diseño de Vacunas
Ambos métodos enfrentan desafíos para equilibrar visibilidad, similitud y estabilidad, especialmente en el contexto del diseño de vacunas.
Complejidad de las Reacciones Inmunitarias
La respuesta inmunitaria a cualquier proteína es compleja. Factores como la variación genética entre individuos pueden influir en cómo el sistema inmunológico ve las proteínas. Incluso las proteínas diseñadas para ser menos visibles pueden aún desencadenar una respuesta inmunitaria si no se ajustan al perfil del hospedador.
Limitaciones de los Enfoques Actuales
A pesar de los avances que ofrecen CAPE-XVAE y CAPE-Packer, todavía hay limitaciones. Por ejemplo, ninguna de las herramientas puede proteger completamente a las proteínas de ser detectadas por el sistema inmunológico sin sacrificar la efectividad. Además, los métodos actuales no tienen en cuenta todos los aspectos de las respuestas inmunitarias, como los de otros componentes del sistema inmunológico.
Direcciones Futuras
El estudio sugiere que la investigación futura debe enfocarse en desarrollar enfoques híbridos que combinen las fortalezas de ambos sistemas. Esto puede incluir:
Incorporar Información Estructural: Los métodos futuros deben aprovechar tanto los datos de secuencia como los estructurales para mejorar la efectividad de las proteínas diseñadas.
Usar un Bucle de Retroalimentación: Un mecanismo de retroalimentación que incorpore resultados de experimentos de laboratorio podría ayudar a refinar el proceso de diseño y mejorar los resultados.
Abordar la Diversidad del Sistema Inmunológico: Es esencial considerar las variaciones en las respuestas inmunitarias entre individuos para diseñar proteínas más efectivas de manera universal.
Apuntar a Metas Más Amplias: Las herramientas futuras deberían buscar integrar cambios que apunten a múltiples componentes del sistema inmunológico, haciéndolas más amplias en función.
Conclusión
Los nuevos métodos para el diseño de proteínas discutidos aquí proporcionan herramientas valiosas para desarrollar vacunas y terapias. Al controlar cómo interaccionan las proteínas con el sistema inmunológico, los investigadores pueden trabajar hacia soluciones efectivas para diversas enfermedades.
CAPE-XVAE y CAPE-Packer muestran promesa en modificar la visibilidad de las proteínas, pero los investigadores deben seguir refinando estas técnicas y abordar las complejidades de la respuesta inmunitaria. La meta final es crear vacunas que ofrezcan mejor protección contra virus que mutan rápidamente y mejorar los resultados de los pacientes en una variedad de condiciones.
En resumen, al aprovechar técnicas avanzadas en el diseño de proteínas, el campo puede avanzar hacia soluciones innovadoras que mejoren la eficacia y seguridad de los tratamientos médicos. A medida que se realicen más investigaciones, la esperanza es desarrollar herramientas más confiables y flexibles para el futuro de la atención médica.
Título: Guiding a language-model based protein design method towards MHC Class-I immune-visibility profiles for vaccines and therapeutics
Resumen: Proteins have an arsenal of medical applications that include disrupting protein interactions, acting as potent vaccines, and replacing genetically deficient proteins. While therapeutics must avoid triggering unwanted immune-responses, vaccines should support a robust immune-reaction targeting a broad range of pathogen variants. Therefore, computational methods modifying proteins immunogenicity without disrupting function are needed. While many components of the immune-system can be involved in a reaction, we focus on Cytotoxic T-lymphocytes (CTLs). These target short peptides presented via the MHC Class I (MHC-I) pathway. To explore the limits of modifying the visibility of those peptides to CTLs within the distribution of naturally occurring sequences, we developed a novel machine learning technique, CAPE-XVAE. It combines a language model with reinforcement learning to modify a proteins immune-visibility. Our results show that CAPE-XVAE effectively modifies the visibility of the HIV Nef protein to CTLs. We contrast CAPE-XVAE to CAPE-Packer, a physics-based method we also developed. Compared to CAPE-Packer, the machine learning approach suggests sequences that draw upon local sequence similarities in the training set. This is beneficial for vaccine development, where the sequence should be representative of the real viral population. Additionally, the language model approach holds promise for preserving both known and unknown functional constraints, which is essential for the immune-modulation of therapeutic proteins. In contrast, CAPE-Packer, emphasizes preserving the proteins overall fold and can reach greater extremes of immune-visibility, but falls short of capturing the sequence diversity of viral variants available to learn from. Source code: https://github.com/hcgasser/CAPE (Tag: CAPE 1.1)
Autores: Hans-Christof Gasser, D. Oyarzun, A. Rajan, J. Alfaro
Última actualización: 2024-03-20 00:00:00
Idioma: English
Fuente URL: https://www.biorxiv.org/content/10.1101/2023.07.10.548300
Fuente PDF: https://www.biorxiv.org/content/10.1101/2023.07.10.548300.full.pdf
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a biorxiv por el uso de su interoperabilidad de acceso abierto.