响应(L [17,18]
。
到目前为止,对于几种疾病,如利什曼病、霍乱、
登革热和不同类型的癌症,多表位疫苗候选物已被原型化,并报道了在
治疗中的功效。
螺杆菌
、
血吸虫
和癌症[19
多表位疫苗构建体可以使用不同类型的抗原肽来设计,其刺激非常
特异性的免疫应答。
因此,可以排除不必要的病理情况的可能性[21,23在这项研究中,我
们的目的是设计一个多表位疫苗模型,针对SLEV使用免疫信息学方法在
计算机上,因为多表位疫苗比经典疫苗具有优势, 和 单个 表位 疫
苗 由于 到 他们的 易感性
通过各种主要组织相容性复合物(MHC)类分子以及它们的不同超
型的识别[28]。虽然先前的计算机模拟研究已经显示了SLEV包膜蛋
白的表位疫苗构建体的鉴定和构建[30],但我们的研究已经采取了预
测包膜蛋白上的多个抗原区段的途径,以巩固更扩增和更强大的先天
免疫应答[31]。
2.
方法和材料&
2.1.
蛋白质序列检索
我们的多步骤工作流程(图1)的第一步是检索包膜蛋白的序列。
SLEV包膜蛋白(外膜蛋白)的序列以FASTA格式(ID:P09732)从
UniProtKB( https:www.uniprot.org/help/uniprotkb)数据 库检索。
UniProtKB是一个很好的蛋白质序列数据源,它提供了高精度和良好的
注释数据。
2.2.
抗原性和跨膜拓扑预测
用 Vaxijen 2.0 抗 原
预 测 服 务 器 ( http://www.ddg-
pharmfac.net/vaxijen/VaxiJen/Vax
iJen.html)检测蛋白质的抗原性。
该服务器专注于独立预测和自互协方差(ACC)变换,可保持预测精
度,
准确度为70TMHMM服务器2.0用于检查
蛋白质的跨膜拓扑结构,以区分膜和可溶性部分[33]。
2.3.
表位预测评估
2.3.1.
CTL
表位
在NetCTL 1.2服务器(http://www.cbs.dtu.dk/services/NetCTL/)的
帮助下,预测了细胞毒性T淋巴细胞(CTL)识别包膜蛋白的表位。该服
务器通过结合蛋白酶体切割预测、TAP的运输能力和与MHC I类的亲和力
来预测表位[34]。于2020年7月27日使用免疫表位数据库(IEDB)分析
资 源 NetMHCpan ( v4.0 ) 工 具
(http://www.cbs.dtu.dk/services/NetMHCpan-4.0/)[35]对12 种 可用
的人白细胞抗原(HLA)超型中的每一种进行了主要组织相容性复合物I
类(MHC-I)结合预测。 阈值设定为0.005。的每个周期
预测返回300
选择转运和MHC-I结合效率。使用Vaxijen 2.0再次计算每个表位的抗原
性。为了检查过敏原性和toX icity,分别使用了另外两个在线服务器-
AllerTOP v2.0(https://www.ddg-pharmfac.net/AllerTOP/)[36]和ToX
inPred ( https://webs.iiitd.edu.in/raghava/toX inpred/protein.php )
[37],其中所有参数均保持默认。Aller- TOP v2.0使用氨基酸E-描述符、
自动和
2.3.2.
HTL
表位
使用IEDB分析资源共识工具(http://tools.iedb. 预测了MHC-II辅
助T淋巴细胞(HTL)表位的结合亲和力[38,39]。从这些表位,干
扰素-γ
诱导(IFN-γ)表位,然后分离的帮助下,IFNe-
pitope服 务器 (http://crdd.osdd.net/raghava/ifnepitope/predict.php)
[40] 。 通 过 使 用 IL4pred
( https://webs.iiitd.edu.in/raghava/il4pred/predict.php ) [41] 和
IL10pred(https://webs.iiitd.edu. in/raghava/il10pred/pred3.php)[42]
服务器分别与所 有默认参数。此外,使用Vaxijen 2.0 [32]、 AllerTOP
v2.0 [36]和ToX inPred [37]工具过滤表位,以依次选择抗原性、非过敏
性和非过敏性表位。
2.3.3.
LBL
表位
线性B淋巴细胞(LBL)表位通过IEDB B细胞表位预测工具使用
Kolaskar和Tongaonkar抗原性量表[43]、Emini表面可及性预测[44]
和Bepipred线性表位预测[45]方法进行抗原性、变应原性和ToX性的
计数与之前相似,分别使用Vaxijen 2.0 [32]、AllerTOP v2.0 [36]和
ToX inPred [37]
2.3.4.
表位保护性分析
使用IEDB资源(http://tools.iedb.org/conservancy/)计算匹配蛋白
质序列的百分比,用于表位保护,同一性水平为100%[46]。
2.3.5.
人口覆盖率分析
在IEDB群体覆盖率分析服务器
(http://tools.iedb.org/population/)中找到。IEDB服务器的人口 覆盖
工具通过以下方式概述了表位的地理跨度:
计算居住在特定区域的可能对所选表位产生免疫应答的人的总百分比
[47]。
2.4.
选择表位的肽模拟
使 用 PEP-FOLD 3.0 [48] 服 务 器 ( https://mobyle.rpbs. univ-paris-
diderot.fr/cgi-bin/portal.py#forms::PEP-FOLD3 ) , 使 用 200 次 模 拟 用
sOPEP分选方案对所选CTL表位进行建模。使用Auto- dock工具[49]和
AutodockVina软件[116]进行对接仿真分析。在CTL表位的情况下,最保
守的等位基因HLA-B*58:01的晶体结构
(PDB ID : 5IM7 ) 已 经 以 PDB 格 式 从 RCSB 蛋 白 质 数 据 库 [50]
(https://www.rcsb.org/)检索。HLA-A*24:02
精 简 结 构 。 然 后 使 用 CASTp 3.0 [51] 工 具
(http://sts.bioe.uic.edu/
castp/calculation.html)找出HLA-B*58:01
结合口袋和表位可以结合的活性位点残基。为了找出HLA-B*58:01
与表位的结合沟处的结合能,将X轴、Y轴和Z轴上的网格中心分别设
定为16.827482、29.958059和31.707576 nm。在X、Y和Z维度上,
网格大小分别设置为10、122和126 mm,这些分析在1.0 mm间距参
数下进行。最后,利用AutoDockVina软件进行了对接仿真研究使用
PyMOL [52] 分 子 图 形 系 统 制 备 对 接 的 复 合 物 , 并 使 用
DiscoveryStudio 2017可视化对接的复合物。
2.5.
多表位疫苗
为了预测由所选表位产生的氨基酸序列的基于肽的佐剂,VaxinPad
(https://webs.iiitd.edu.in/ra