Nuovi metodi nel design delle proteine per i vaccini
I ricercatori sviluppano strumenti per una miglior progettazione dei vaccini mirati al sistema immunitario.
― 7 leggere min
Indice
La recente pandemia di COVID-19 ha messo in evidenza l'efficacia dei Vaccini a RNA. Questi vaccini sono sicuri, possono essere sviluppati rapidamente e aiutano il corpo a produrre Proteine in grado di combattere i virus. Questo successo ha portato alla creazione di altri vaccini per diverse malattie. Aziende come Moderna stanno ora lavorando su terapie a RNA per condizioni come le malattie autoimmuni, il cancro e i disturbi genetici.
Quando si progettano queste terapie, i ricercatori devono tenere in considerazione come le proteine interagiscono con il Sistema Immunitario. A volte vogliono che il sistema immunitario risponda in modo forte a una proteina, come nel caso di un vaccino. Altre volte, preferiscono una risposta più debole per evitare effetti collaterali. Questo equilibrio ha portato gli scienziati a concentrarsi su modi per progettare proteine che possano soddisfare diversi obiettivi del sistema immunitario.
La ricerca si è principalmente concentrata su come evitare forti risposte immunitarie rimuovendo certi marcatori sulle proteine. Tuttavia, molte terapie e vaccini portano alla produzione di proteine all’interno delle cellule, che poi vengono presentate al sistema immunitario in un modo specifico. Questo significa che i ricercatori hanno bisogno anche di strumenti per regolare come queste proteine vengono percepite dal sistema immunitario.
Alcuni studi hanno trovato casi in cui un trattamento causa al sistema immunitario di attaccare le cellule sane o fallire quando deve funzionare. Ad esempio, alcune terapie geniche possono portare il sistema immunitario ad attaccare le cellule che hanno ricevuto le modifiche genetiche. Allo stesso modo, alcuni vaccini per virus che cambiano rapidamente, come l'HIV, devono presentare una vasta gamma di frammenti proteici per addestrare correttamente il sistema immunitario.
Per affrontare queste sfide, i ricercatori hanno sviluppato un nuovo framework per gestire come le proteine vengono presentate al sistema immunitario.
Nuovo Framework per la Progettazione delle Proteine
L'articolo introduce un nuovo metodo per controllare come le proteine sono viste dal sistema immunitario, in particolare attraverso il MHC Classe I, che gioca un ruolo chiave nel riconoscimento delle cellule infette o anomale da parte del sistema immunitario. Questo framework include lo sviluppo di due strumenti: CAPE-XVAE e CAPE-Packer.
CAPE-XVAE
CAPE-XVAE combina tecniche avanzate di machine learning per creare sequenze proteiche modificate che hanno una migliore visibilità per il sistema immunitario. Questo strumento si adatta ai cambiamenti nel panorama immunitario e può essere regolato per le esigenze future.
CAPE-Packer
CAPE-Packer si basa su principi fisici e mira a aumentare o diminuire quanto è visibile una proteina per il sistema immunitario. Utilizza un metodo che considera come le proteine si ripiegano nelle loro forme più stabili. Questo aiuta a progettare proteine che soddisfano obiettivi terapeutici specifici.
Valutazione dei Metodi
Entrambi i metodi sono stati testati utilizzando la proteina Nef dell'HIV, che è un obiettivo importante per lo sviluppo di vaccini a causa dell'urgenza di combattere l'HIV e della disponibilità di molte sequenze da analizzare. I ricercatori hanno creato proteine modificate utilizzando entrambi gli strumenti e hanno confrontato la loro efficacia in base a quanto fossero visibili per il sistema immunitario, quanto fossero simili alle proteine naturali e quanto fossero stabili.
Visibilità per il Sistema Immunitario
Per valutare quanto fossero visibili le proteine per il sistema immunitario, i ricercatori hanno utilizzato un metodo noto per predire quali frammenti proteici sarebbero stati presentati sulla superficie delle cellule. Questo punteggio di visibilità aiuta a determinare come il sistema immunitario reagirebbe alla proteina data.
Somiglianza con le Proteine Naturali
I ricercatori hanno esaminato quanto da vicino le proteine modificate assomigliassero alle proteine che si trovano in natura. Questo è importante perché le proteine che sono troppo diverse da quelle naturali potrebbero non funzionare correttamente o non essere riconosciute correttamente dal sistema immunitario.
Stabilità delle Proteine
Oltre alla visibilità e alla somiglianza, i ricercatori hanno valutato quanto fossero stabili le proteine modificate eseguendo simulazioni che imitano le condizioni di vita reale. La stabilità è importante perché le proteine devono mantenere la loro struttura per essere efficaci.
Risultati Chiave
I risultati hanno mostrato che sia CAPE-XVAE che CAPE-Packer potevano cambiare quanto fosse visibile una proteina per il sistema immunitario. Tuttavia, avevano punti di forza diversi.
CAPE-XVAE
Preservazione della Sequenza Naturale: CAPE-XVAE ha mantenuto molte caratteristiche delle proteine naturali. Ad esempio, ha generato molte proteine che contenevano frammenti trovati nelle sequenze naturali. Questo è vantaggioso nella progettazione di vaccini perché può garantire che il sistema immunitario sia addestrato a riconoscere variazioni significative delle proteine virali.
Modifica Moderata della Visibilità: Anche se CAPE-XVAE ha alterato la visibilità delle proteine, i cambiamenti erano moderati. Questo suggerisce che potrebbe essere più adatto per creare candidati vaccinali che devono presentare una gamma di frammenti proteici.
Alta Somiglianza con Proteine Naturali: Le proteine generate da CAPE-XVAE erano generalmente più simili alle proteine naturali, il che potrebbe aiutare a mantenere funzioni utili.
CAPE-Packer
Modifica Estrema della Visibilità: CAPE-Packer è stato efficace nel cambiare significativamente quanto fossero visibili le proteine per il sistema immunitario. Tuttavia, questo è avvenuto a scapito della somiglianza con le sequenze naturali.
Integrazione Difettosa di Peptidi Naturali: A differenza di CAPE-XVAE, CAPE-Packer ha avuto difficoltà a incorporare frammenti proteici naturali. Questo potrebbe limitare la sua efficacia nella progettazione di vaccini, dove presentare sequenze naturali è cruciale.
Stabilità Strutturale: CAPE-Packer ha generato proteine che erano strutturalmente stabili, ma potrebbero non funzionare altrettanto bene a causa della loro divergenza dalle proteine naturali.
Sfide nella Progettazione di Vaccini
Entrambi i metodi affrontano sfide nel bilanciare visibilità, somiglianza e stabilità, soprattutto nel contesto della progettazione dei vaccini.
Complessità delle Reazioni Immunitarie
La risposta immunitaria a qualsiasi proteina è complessa. Fattori come le variazioni genetiche tra individui possono influenzare come le proteine vengono percepite dal sistema immunitario. Anche le proteine progettate per essere meno visibili potrebbero comunque innescare una risposta immunitaria se non si adattano al profilo dell'ospite.
Limitazioni degli Approcci Correnti
Nonostante i progressi offerti da CAPE-XVAE e CAPE-Packer, ci sono ancora limitazioni. Ad esempio, nessuno dei due strumenti può completamente proteggere le proteine dalla rilevazione da parte del sistema immunitario senza sacrificare l'efficacia. Inoltre, i metodi attuali non tengono conto di tutti gli aspetti delle risposte immunitarie, come quelle da altri componenti del sistema immunitario.
Direzioni Future
Lo studio suggerisce che la ricerca futura dovrebbe concentrarsi sullo sviluppo di approcci ibridi che combinano i punti di forza di entrambi i sistemi. Questo può includere:
Incorporare Informazioni Strutturali: I metodi futuri dovrebbero sfruttare sia i dati di sequenza che quelli strutturali per migliorare l'efficacia delle proteine progettate.
Utilizzare un Feedback Loop: Un meccanismo di feedback che incorpora i risultati degli esperimenti di laboratorio potrebbe aiutare a perfezionare il processo di progettazione e migliorare i risultati.
Affrontare la Diversità del Sistema Immunitario: È essenziale considerare le variazioni nelle risposte immunitarie tra individui per progettare proteine più efficaci a livello universale.
Puntare a Obiettivi Maggiori: Gli strumenti futuri dovrebbero mirare a integrare cambiamenti che colpiscano più componenti del sistema immunitario, rendendoli più ampi nella funzione.
Conclusione
I nuovi metodi per la progettazione delle proteine discussi qui forniscono strumenti preziosi per sviluppare vaccini e terapie. Controllando come le proteine interagiscono con il sistema immunitario, i ricercatori possono lavorare verso soluzioni efficaci per varie malattie.
CAPE-XVAE e CAPE-Packer mostrano promesse nella modifica della visibilità delle proteine, ma i ricercatori devono continuare a perfezionare queste tecniche e affrontare le complessità della risposta immunitaria. L'obiettivo finale è creare vaccini che possano offrire una protezione migliore contro virus in rapida mutazione e migliorare i risultati dei pazienti in una serie di condizioni.
In sintesi, sfruttando tecniche avanzate nella progettazione delle proteine, il campo può muoversi verso soluzioni innovative che migliorano l'efficacia e la sicurezza dei trattamenti medici. Man mano che vengono svolti più studi, si spera di sviluppare strumenti più affidabili e flessibili per il futuro della salute.
Titolo: Guiding a language-model based protein design method towards MHC Class-I immune-visibility profiles for vaccines and therapeutics
Estratto: 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)
Autori: Hans-Christof Gasser, D. Oyarzun, A. Rajan, J. Alfaro
Ultimo aggiornamento: 2024-03-20 00:00:00
Lingua: English
URL di origine: https://www.biorxiv.org/content/10.1101/2023.07.10.548300
Fonte PDF: https://www.biorxiv.org/content/10.1101/2023.07.10.548300.full.pdf
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia biorxiv per l'utilizzo della sua interoperabilità ad accesso aperto.