効果的なワクチンのためのタンパク質設計
科学者たちがディープラーニングを使ってワクチンの反応を改善するための新しいタンパク質を作ってるよ。
― 1 分で読む
目次
最近、科学者たちは生命の基本要素であるタンパク質の設計において進展を遂げてきた。特に注目されているのは、既存のタンパク質の構造を模倣した新しいタンパク質の作成だ。これには「モチーフスキャフォルディング問題」と呼ばれる課題が含まれていて、自然のタンパク質の特定の構造的特徴を小さくて単純な形で再現することを目指している。新しいタンパク質が金属に結合したり、ワクチンとして機能したりすることが期待されている。
エピトープスキャフォルディングの課題
このタンパク質設計の具体的な応用の一つが、ワクチンの開発だ。特に、科学者たちはウイルスの一部(エピトープと呼ばれる)を免疫システムに提示して強い反応を引き起こそうとしている。従来のワクチン設計方法は問題に直面しており、免疫反応を引き起こすタンパク質の部分は全体と比べてかなり小さいため、効果が薄いことが多い。また、これらの小さな部分の構造を正確に再現して抗体にしっかり結合させるのは複雑な課題だ。
ディープラーニングの進歩
この問題に対処するために、研究者たちはタンパク質の構造を理解し予測できる人工知能の一種であるディープラーニングに目を向けた。既知のタンパク質データでモデルを訓練することで、これらのツールは以前の方法よりも優れたデザインを生成できる。研究者たちは、単一の機能部分を持つタンパク質を作成するためにこれらの技術を成功裏に使用してきたが、次のステップは複数の機能を一つのデザインに組み込むことだった。
マルチエピトープスキャフォルディングの目標
科学者たちは、複数のエピトープを同時に提示するタンパク質を設計できれば、より強い免疫反応を引き出せると考えている。ウイルスの一つの部分に依存するのではなく、いくつかの部分を用意することで、免疫システムからのよりターゲットを絞った反応が期待できる。このアプローチは、ウイルスに対するより広範な保護も提供する可能性がある。
新しいデザインの実験
このアイデアをテストするために、研究者たちは呼吸器合胞体ウイルス(RSV)の3つの異なるウイルスエピトープを組み込む新しいタンパク質を設計することにした。ディープラーニングアプローチを使って、これらのエピトープを三次元空間に自由に配置するモデルを作成した。このデザインの柔軟性は、多様なタンパク質セットを生成するのに重要だった。
単一エピトープの初期努力
マルチエピトープデザインに進む前に、研究者たちはまずディープラーニングモデルが単一エピトープを効果的にスキャフォルドできるかを確認した。彼らはRSVの特定の部分であるサイトVに注目した。以前、このエピトープを自然なタンパク質のスキャフォルドに含めようとしたが、構造的類似性が低いために失敗していた。ディープラーニングアプローチを用いることで、目的の抗体にしっかり結合したいくつかのデザインを生成することに成功した。
複数エピトープへの拡張
単一エピトープでの成功を基に、研究者たちは一つのスキャフォルドに3つの異なるRSVエピトープを組み込むことを目指した。彼らは似たようなディープラーニングモデルを使用し、3つの部位のテンプレートを位置を固定せずに提供した。これにより、モデルはさまざまな配置を探索し、多様なデザインを考案できた。
大量のデザインを生成した後、抗体との結合に構造的に不適合なものを除外した。設計したタンパク質が機能的で、効果的な免疫反応を引き起こすことができることを確認するために重要だった。
新しいデザインの評価
次のステップは、新しいタンパク質が意図したエピトープを効果的に提示できるかどうかをラボでテストすることだった。研究者たちは酵母ディスプレイという技術を使用して、特定の抗体に対するタンパク質の結合能力を評価した。さまざまなデザインをスクリーニングし、有望なものをいくつか選んだ。
構造分析
設計したタンパク質が望ましい構造と一致するかを確認するため、研究者たちは結晶学の研究を行った。彼らは、タンパク質の形がディープラーニングモデルの予測に非常に近いことを発見した。これは、タンパク質が抗体に効果的に結合しているだけでなく、意図した構造的特性も維持していることを意味していた。
免疫原性テスト
設計の構造的正確性を確認した後、研究者たちはマルチエピトープタンパク質の免疫原性をテストした。彼らは、単一エピトープとマルチエピトープ設計の両方でマウスを免疫し生成された免疫反応を比較した。
結果は良好だった。単一エピトープデザインは良い反応を引き起こしたが、主にスキャフォルドをターゲットにしていた。一方、マルチエピトープデザインはより強力な免疫反応を引き起こし、マウスはRSVに対して著しい抗体価を示した。
マルチエピトープデザインの利点
マルチエピトープスキャフォルドは従来の方法に比べていくつかの利点を提供した。単一のスキャフォルド上に複数のウイルス部分を提示することで、これらの新しいデザインはウイルスの表面積をより多くカバーした。これにより、効果的な抗体反応を引き起こす可能性が高まり、免疫システムが誤ってスキャフォルド自体をターゲットにするリスクが減少した。
研究者たちは、彼らのマルチエピトープデザインが単一エピトープデザインに比べてRSVに対する交差反応性抗体価が高いことに気づいた。これは、これらの新しい免疫原がRSV感染に対してより包括的な防御を提供できる可能性を示唆している。
将来の方向性
この研究は、ワクチンデザインを進化させる上でのマルチエピトープスキャフォルディング技術の可能性を強調している。これらの新しいタンパク質の免疫原性の向上は、複数の成分が必要な従来のワクチン処方の有力な代替手段として機能する可能性があることを示している。
生産の複雑性やコストを削減することで、効果的なワクチン開発への道をスムーズにするかもしれない。さらに、開発された技術は、ワクチン以外の酵素開発やセンサー作成、他の治療アプローチにも広く応用できる可能性がある。
結論
マルチエピトープスキャフォルディングに関するこの研究は、深層学習とタンパク質設計を組み合わせる力を示している。この革新的なアプローチは、構造的に正確なタンパク質を作成するだけでなく、その機能性も向上させる。新しい方法でワクチン設計の課題に取り組むことで、科学者たちはウイルス感染やそれ以上に対抗するより効果的な手段への道を切り開いている。
タイトル: Accurate single domain scaffolding of three non-overlapping protein epitopes using deep learning
概要: 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.
著者: Bruno E Correia, K. M. Castro, J. L. Watson, J. Wang, J. Southern, R. Ayardulabi, S. Georgeon, S. Rosset, D. Baker
最終更新: 2024-05-10 00:00:00
言語: English
ソースURL: https://www.biorxiv.org/content/10.1101/2024.05.07.592871
ソースPDF: https://www.biorxiv.org/content/10.1101/2024.05.07.592871.full.pdf
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた biorxiv に感謝します。