Concevoir des protéines pour des vaccins efficaces
Des scientifiques créent de nouvelles protéines pour améliorer les réponses aux vaccins en utilisant l'apprentissage profond.
― 7 min lire
Table des matières
Ces dernières années, les scientifiques ont fait des avancées dans la conception des protéines, qui sont les blocs de construction de la vie. Un point central de cette recherche est de créer de nouvelles protéines qui imitent la structure de celles existantes. Cela implique un défi connu sous le nom de "problème de scaffold des motifs", qui vise à reproduire certaines caractéristiques structurelles des protéines naturelles en versions plus petites et simples. L'espoir est que ces nouvelles protéines puissent remplir diverses fonctions, comme se lier à des métaux ou servir de vaccins.
Épitopes
Le défi du scaffold d'Une application spécifique de cet effort de conception de protéines est le développement de vaccins. Les scientifiques veulent en particulier présenter des parties de virus - appelées épitopes - au système immunitaire pour stimuler une forte réponse. Les méthodes traditionnelles pour concevoir ces vaccins ont rencontré des problèmes. Souvent, la partie de la protéine qui déclenche une réponse immunitaire est assez petite par rapport à l'ensemble de la structure, ce qui conduit à des résultats peu efficaces. De plus, reproduire avec précision la structure de ces petites parties pour s'assurer qu'elles se lient bien aux anticorps est un défi complexe.
Apprentissage profond
Avancées grâce à l'Pour résoudre ces problèmes, les chercheurs se sont tournés vers l'apprentissage profond, un type d'intelligence artificielle capable de comprendre et de prédire les structures des protéines. En entraînant des modèles sur des données de protéines connues, ces outils peuvent générer des conceptions qui pourraient fonctionner mieux que les méthodes antérieures. Les chercheurs ont réussi à utiliser ces techniques pour créer des protéines avec des parties fonctionnelles uniques, mais l'étape suivante était de combiner plusieurs fonctions dans un seul design.
Les objectifs du scaffold multi-épitopes
Les scientifiques croient que s'ils peuvent concevoir des protéines qui présentent plusieurs épitopes en même temps, cela pourrait provoquer des réponses immunitaires plus fortes. Au lieu de se fier à un seul morceau du virus, avoir plusieurs morceaux disponibles pourrait conduire à une réponse mieux ciblée du système immunitaire. Cela pourrait aussi offrir une protection plus large contre le virus.
Expérimenter avec de nouveaux designs
Pour tester cette idée, les chercheurs ont décidé de concevoir de nouvelles protéines capables d'incorporer trois épitopes viraux différents du virus respiratoire syncytial (VRS). En utilisant une approche d'apprentissage profond, ils ont créé des modèles qui permettaient le placement arbitraire de ces épitopes dans l'espace tridimensionnel. Cette flexibilité de conception était cruciale pour générer un ensemble diversifié de protéines possibles.
Efforts initiaux avec des épitopes uniques
Avant de se plonger dans les designs multi-épitopes, les chercheurs voulaient d'abord voir si leurs modèles d'apprentissage profond pouvaient efficacement scaffold des épitopes uniques. Ils se sont concentrés sur une partie spécifique du VRS, connue sous le nom de site-V. Les tentatives précédentes d'inclure cet épitope dans des scaffolds de protéines naturelles avaient échoué en raison d'une faible similitude structurelle. Grâce à leur approche d'apprentissage profond, ils ont réussi à générer plusieurs designs qui se liaient efficacement à l'anticorps souhaité.
Élargir à plusieurs épitopes
S'appuyant sur leur succès avec les épitopes uniques, les chercheurs ont ensuite visé à incorporer trois épitopes du VRS dans un seul scaffold. Ils ont utilisé un modèle d'apprentissage profond similaire, fournissant des modèles pour les trois sites sans fixer leurs positions à l'avance. Cela a permis au modèle d'explorer diverses configurations et de proposer des designs variés.
Après avoir généré un grand nombre de ces designs, ils ont filtré ceux qui étaient structurellement incompatibles avec la liaison des anticorps. Cela était important pour s'assurer que les protéines conçues seraient fonctionnelles et pourraient déclencher une réponse immunitaire.
Évaluation des nouveaux designs
L'étape suivante consistait à tester les nouvelles protéines en laboratoire pour voir si elles pouvaient efficacement présenter les épitopes souhaités. Les chercheurs ont utilisé une technique appelée affichage de levure, qui leur permet d'évaluer la manière dont les protéines se lient à des anticorps spécifiques. Ils ont examiné différentes conceptions et sélectionné plusieurs qui montraient des promesses.
Analyse structurelle
Pour confirmer que les protéines conçues correspondaient aux structures souhaitées, les chercheurs ont mené des études de cristallographie. Ils ont découvert que les formes de leurs protéines étaient très proches des prédictions faites par leurs modèles d'apprentissage profond. Cela signifiait que les protéines se liaient non seulement efficacement aux anticorps, mais maintenaient également les qualités structurelles prévues.
Immunogénicité
Tests d'Une fois qu'ils ont validé l'exactitude structurelle de leurs designs, les chercheurs ont testé l'immunogénicité de leurs protéines multi-épitopes. Ils ont immunisé des souris avec les designs à épitope unique et multi-épitopes pour comparer les réponses immunitaires générées.
Les résultats étaient encourageants. Bien que le design à épitope unique ait provoqué une bonne réponse, celui-ci ciblait surtout le scaffold plutôt que l'épitopes souhaité. En revanche, les designs multi-épitopes ont conduit à des réponses immunitaires plus robustes, les souris montrant des titres significatifs contre le VRS.
Avantages des designs multi-épitopes
Les scaffolds multi-épitopes présentaient plusieurs avantages par rapport aux méthodes traditionnelles. En présentant plusieurs parties du virus sur un seul scaffold, ces nouveaux designs couvraient une plus grande surface virale. Cela a probablement amélioré les chances de déclencher des réponses anticorps efficaces tout en réduisant le risque que le système immunitaire cible par erreur le scaffold lui-même.
Les chercheurs ont noté que leurs designs multi-épitopes ont donné des titres de réaction croisée plus élevés contre le VRS par rapport aux designs à épitope unique. Cela suggère que ces nouveaux immunogènes pourraient offrir une défense plus complète contre les infections à VRS.
Directions futures
La recherche met en lumière le potentiel des techniques de scaffold multi-épitopes pour faire avancer les conceptions de vaccins. L'immunogénicité améliorée de ces nouvelles protéines indique qu'elles pourraient servir d'alternative viable aux formulations de vaccins traditionnelles, qui nécessitent souvent plusieurs composants.
En réduisant la complexité et les coûts de production, ces designs pourraient simplifier le chemin vers le développement de vaccins efficaces. De plus, la technologie développée pourrait avoir des applications plus larges au-delà des vaccins, y compris le développement d'enzymes, la création de capteurs et d'autres approches thérapeutiques.
Conclusion
Le travail sur le scaffold multi-épitopes démontre la puissance de la combinaison de l'apprentissage profond avec la conception de protéines. Cette approche innovante permet non seulement de créer des protéines structurellement précises, mais aussi d'améliorer leur potentiel fonctionnel. En s'attaquant aux défis de la conception de vaccins avec de nouvelles méthodes, les scientifiques ouvrent la voie à des moyens plus efficaces de lutter contre les infections virales et au-delà.
Titre: Accurate single domain scaffolding of three non-overlapping protein epitopes using deep learning
Résumé: De novo protein design has seen major success in scaffolding single functional motifs, however, in nature most proteins present multiple functional sites. Here we describe an approach to simultaneously scaffold multiple functional sites in a single domain protein using deep learning. We designed small single domain immunogens, under 130 residues, that simultaneously present three distinct and irregular motifs from respiratory syncytial virus. These motifs together comprise nearly half of the designed proteins, and hence the overall folds are quite unusual with little global similarity to proteins in the PDB. Despite this, X-ray crystal structures confirm the accuracy of presentation of each of the motifs, and the multi-epitope design yields improved cross-reactive titers and neutralizing response compared to a single-epitope immunogen. The successful presentation of three distinct binding surfaces in a small single domain protein highlights the power of generative deep learning methods to solve complex protein design problems.
Auteurs: Bruno E Correia, K. M. Castro, J. L. Watson, J. Wang, J. Southern, R. Ayardulabi, S. Georgeon, S. Rosset, D. Baker
Dernière mise à jour: 2024-05-10 00:00:00
Langue: English
Source URL: https://www.biorxiv.org/content/10.1101/2024.05.07.592871
Source PDF: https://www.biorxiv.org/content/10.1101/2024.05.07.592871.full.pdf
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à biorxiv pour l'utilisation de son interopérabilité en libre accès.