Nouvelles Méthodes dans la Conception de Protéines pour les Vaccins
Des chercheurs développent des outils pour améliorer la conception des vaccins ciblant le système immunitaire.
― 9 min lire
Table des matières
La récente pandémie de COVID-19 a mis en lumière l’efficacité des Vaccins à ARN. Ces vaccins sont sûrs, peuvent être développés rapidement et aident le corps à produire des Protéines qui combattent les virus. Ce succès a conduit à la création de davantage de vaccins pour différentes maladies. Des entreprises comme Moderna travaillent maintenant sur des thérapies à ARN pour des conditions comme les maladies auto-immunes, le cancer et les troubles génétiques.
Quand ils conçoivent ces thérapies, les chercheurs doivent penser à comment les protéines interagissent avec le Système immunitaire. Parfois, ils veulent que le système immunitaire réagisse fortement à une protéine, comme dans le cas d’un vaccin. D’autres fois, ils préfèrent une réponse plus faible pour éviter les effets secondaires. Cet équilibre a poussé les scientifiques à se concentrer sur des méthodes pour concevoir des protéines qui peuvent atteindre différents objectifs du système immunitaire.
La recherche s'est principalement concentrée sur la façon de éviter des réponses immunitaires fortes en supprimant certains marqueurs sur les protéines. Cependant, beaucoup de thérapies et de vaccins entraînent la production de protéines à l’intérieur des cellules, qui sont ensuite présentées au système immunitaire d’une manière spécifique. Cela signifie que les chercheurs ont également besoin d'outils pour ajuster la façon dont ces protéines sont perçues par le système immunitaire.
Certaines études ont trouvé des cas où un traitement provoque le système immunitaire attaque des cellules saines ou échoue quand il doit fonctionner. Par exemple, certaines thérapies géniques peuvent amener le système immunitaire à attaquer les cellules qui ont reçu les changements génétiques. De même, certains vaccins pour des virus à évolution rapide, comme le VIH, doivent présenter une grande variété de fragments protéiques pour entraîner correctement le système immunitaire.
Pour relever ces défis, les chercheurs ont développé un nouveau cadre pour gérer la façon dont les protéines sont présentées au système immunitaire.
Nouveau cadre pour la conception de protéines
L'article présente une nouvelle méthode pour contrôler comment les protéines sont perçues par le système immunitaire, en particulier via le MHC Classe I, qui joue un rôle clé dans la façon dont le système immunitaire reconnaît les cellules infectées ou anormales. Ce cadre inclut le développement de deux outils : CAPE-XVAE et CAPE-Packer.
CAPE-XVAE
CAPE-XVAE combine des techniques avancées d'apprentissage automatique pour créer des séquences de protéines modifiées qui ont une meilleure visibilité pour le système immunitaire. Cet outil s’adapte aux changements dans le paysage immunitaire et peut être ajusté pour des besoins futurs.
CAPE-Packer
CAPE-Packer est basé sur des principes physiques et vise à augmenter ou diminuer la visibilité d’une protéine au système immunitaire. Il utilise une méthode qui prend en compte comment les protéines se replient dans leurs formes les plus stables. Cela aide à concevoir des protéines qui s'adaptent à des objectifs thérapeutiques spécifiques.
Évaluation des méthodes
Les deux méthodes ont été testées en utilisant la protéine Nef du VIH, qui est une cible importante pour le développement de vaccins en raison de l'urgence de combattre le VIH et de la disponibilité de nombreuses séquences à analyser. Les chercheurs ont créé des protéines modifiées en utilisant les deux outils et ont comparé leur efficacité en fonction de leur visibilité au système immunitaire, de leur similarité avec des protéines naturelles, et de leur stabilité.
Visibilité pour le système immunitaire
Pour évaluer la visibilité des protéines pour le système immunitaire, les chercheurs ont utilisé une méthode connue pour prédire quels fragments protéiques seraient présentés à la surface de la cellule. Ce score de visibilité aide à déterminer comment le système immunitaire réagirait à la protéine donnée.
Similarité avec les protéines naturelles
Les chercheurs ont regardé à quel point les protéines modifiées ressemblaient aux protéines naturellement présentes. C'est important car les protéines qui sont trop différentes de celles naturelles pourraient ne pas fonctionner correctement ou ne pas être reconnues correctement par le système immunitaire.
Stabilité des protéines
En plus de la visibilité et de la similarité, les chercheurs ont évalué la stabilité des protéines modifiées en réalisant des simulations qui imitent des conditions réelles. La stabilité est importante car les protéines doivent maintenir leur structure pour être efficaces.
Résultats clés
Les résultats ont montré que CAPE-XVAE et CAPE-Packer pouvaient changer la visibilité d'une protéine pour le système immunitaire. Cependant, ils ont des forces différentes.
CAPE-XVAE
Préservation de la séquence naturelle : CAPE-XVAE a maintenu beaucoup de caractéristiques des protéines naturelles. Par exemple, il a généré de nombreuses protéines contenant des fragments trouvés dans des séquences naturellement présentes. C'est bénéfique dans la conception de vaccins car cela peut s'assurer que le système immunitaire est entraîné à reconnaître des variations significatives des protéines virales.
Modification de visibilité modérée : Bien que CAPE-XVAE ait modifié la visibilité des protéines, les changements étaient modérés. Cela suggère qu'il pourrait être plus adapté pour créer des candidats vaccins qui doivent présenter une gamme de fragments protéiques.
Haute similarité avec les protéines naturelles : Les protéines générées par CAPE-XVAE étaient généralement plus similaires aux protéines naturelles, ce qui pourrait aider à conserver des fonctions utiles.
CAPE-Packer
Modification extrême de la visibilité : CAPE-Packer était efficace pour changer significativement la visibilité des protéines pour le système immunitaire. Cependant, cela s'est fait au détriment de la similarité avec les séquences naturelles.
Mauvaise intégration des peptides naturels : Contrairement à CAPE-XVAE, CAPE-Packer a eu des difficultés à incorporer des fragments de protéines naturels. Cela pourrait limiter son efficacité dans la conception de vaccins, où la présentation de séquences naturelles est cruciale.
Stabilité structurelle : CAPE-Packer a généré des protéines qui étaient structurées de façon stable, mais elles pourraient ne pas fonctionner aussi bien en raison de leur éloignement des protéines naturelles.
Défis dans la conception de vaccins
Les deux méthodes font face à des défis pour équilibrer visibilité, similarité et stabilité, surtout dans le contexte de la conception de vaccins.
Complexité des réactions immunitaires
La réponse immunitaire à une protéine est complexe. Des facteurs comme la variation génétique entre les individus peuvent influencer comment les protéines sont perçues par le système immunitaire. Même les protéines conçues pour être moins visibles peuvent encore déclencher une réponse immunitaire si elles ne correspondent pas au profil de l'hôte.
Limitations des approches actuelles
Malgré les avancées offertes par CAPE-XVAE et CAPE-Packer, il y a encore des limitations. Par exemple, aucun des outils ne peut complètement protéger les protéines de la détection par le système immunitaire sans sacrifier leur efficacité. De plus, les méthodes actuelles ne tiennent pas entièrement compte de tous les aspects des réponses immunitaires, comme celles d'autres composants du système immunitaire.
Directions futures
L'étude suggère que la recherche future devrait se concentrer sur le développement d'approches hybrides qui combinent les forces des deux systèmes. Cela pourrait inclure :
Incorporer des informations structurelles : Les méthodes futures devraient tirer parti des données de séquence et structurelles pour améliorer l’efficacité des protéines conçues.
Utiliser une boucle de rétroaction : Un mécanisme de rétroaction qui intègre les résultats des expériences en laboratoire pourrait aider à affiner le processus de conception et à améliorer les résultats.
S'attaquer à la diversité du système immunitaire : Il est essentiel de prendre en compte les variations dans les réponses immunitaires entre les individus pour concevoir des protéines plus universellement efficaces.
Cibler des objectifs plus larges : Les outils futurs devraient viser à intégrer des changements qui ciblent plusieurs composants du système immunitaire, les rendant plus larges en fonction.
Conclusion
Les nouvelles méthodes de conception de protéines discutées ici fournissent des outils précieux pour le développement de vaccins et de thérapies. En contrôlant comment les protéines interagissent avec le système immunitaire, les chercheurs peuvent travailler vers des solutions efficaces pour diverses maladies.
CAPE-XVAE et CAPE-Packer montrent du potentiel pour modifier la visibilité des protéines, mais les chercheurs doivent continuer à affiner ces techniques et à aborder les complexités de la réponse immunitaire. L’objectif ultime est de créer des vaccins qui peuvent offrir une meilleure protection contre les virus à mutation rapide et améliorer les résultats des patients dans une gamme de conditions.
En résumé, en utilisant des techniques avancées dans la conception de protéines, le domaine peut progresser vers des solutions innovantes qui améliorent l’efficacité et la sécurité des traitements médicaux. Au fur et à mesure que davantage de recherches sont effectuées, l'espoir est de développer des outils plus fiables et flexibles pour l’avenir des soins de santé.
Titre: Guiding a language-model based protein design method towards MHC Class-I immune-visibility profiles for vaccines and therapeutics
Résumé: 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)
Auteurs: Hans-Christof Gasser, D. Oyarzun, A. Rajan, J. Alfaro
Dernière mise à jour: 2024-03-20 00:00:00
Langue: English
Source URL: https://www.biorxiv.org/content/10.1101/2023.07.10.548300
Source PDF: https://www.biorxiv.org/content/10.1101/2023.07.10.548300.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.