[論文レビュー] Personalized workflow to identify optimal T-cell epitopes for peptide-based vaccines against COVID-19

Rui Qiao, Ngoc Hieu Tran+3 more|arXiv (Cornell University)|Mar 24, 2020

vaccines and immunoinformatics approaches参考文献 14被引用数 11

ひとこと要約

本論文は、個々のHLAアレルグと免疫ペプチドームデータを統合することで、SARS-CoV-2のペプチドベースのワクチンのための保存的で免疫原性のあるT細胞エピトープを同定する、パーソナライズドな機械学習ワークフローを提案する。この手法は、ウイルスタンパク質から高親和性で保存的なHLA結合ペプチドを予測し、突然変異によるウイルスの免疫逃避を克服する戦略を提供するとともに、広範に効果的なパーソナライズドT細胞免疫を実現する。

ABSTRACT

Traditional vaccines against viruses are designed to target their surface proteins, i.e., antigens, which can trigger the immune system to produce specific antibodies to capture and neutralize the viruses. However, viruses often evolve quickly, and their antigens are prone to mutations to avoid recognition by the antibodies (antigenic drift). This limitation of the antibody-mediated immunity could be addressed by the T-cell mediated immunity, which is able to recognize conserved viral HLA peptides presented on virus-infected cells. Thus, by targeting conserved regions on the genome of a virus, T-cell epitope-based vaccines are less subjected to mutations and may work effectively on different strains of the virus. Here we propose a personalized workflow to identify an optimal set of T-cell epitopes based on the HLA alleles and the immunopeptidome of an individual person. Specifically, our workflow trains a machine learning model on the immunopeptidome and then predicts HLA peptides from conserved regions of a virus that are most likely to trigger responses from the person T cells. We applied the workflow to identify T-cell epitopes for the SARS-COV-2 virus, which has caused the recent COVID-19 pandemic in more than 100 countries across the globe.

研究の動機と目的

• 急速な突然変異によって生じるウイルス抗原の変異に起因する、従来の抗体標的ワクチンの限界を是正するため。
• HLA分子によって提示される保存的ウイルスペプチドを標的にするT細胞免疫を活用し、より広範かつ持続的な保護を実現するため。
• 個々のHLAタイプと免疫ペプチドームを統合したパーソナライズドなワークフローを構築し、最適なT細胞エピトープを予測するため。
• SARS-CoV-2から、強力なT細胞応答を誘発すると予想される保存的で高親和性のHLA結合ペプチドを同定するため。
• SARS-CoV-2に対する突然変異に強く、パーソナライズドなT細胞エピトープベースのワクチンを設計するための計算フレームワークを提供するため。

提案手法

• 実験的に得られた免疫ペプチドームデータを用いて機械学習モデルを学習させ、ウイルスタンパク質からのHLAリガンドを予測するワークフローを構築する。
• 突然変異の可能性が低いよう、SARS-CoV-2ゲノムの保存的領域に焦点を当てる。
• 個々のHLAアレルルを統合し、どのウイルスペプチドがT細胞を活性化する可能性が高いかを予測する。
• ペプチド-HLA結合親和性とウイルス株間での保存性に基づく予測を行う。
• ゲノム解析、免疫ペプチドミクス、機械学習を統合し、ワクチン設計のための候補エピトープを優先順位付けする。
• 個々のHLAプロファイルに合わせたパーソナライズドなT細胞エピトープの選択を可能にする。

実験結果

リサーチクエスチョン

• RQ1 SARS-CoV-2ゲノムのどの保存的領域が、高親和性HLA結合ペプチドを効率よく産生する可能性があるか？
• RQ2 個々のHLAゲノタイプは、どのようにしてパーソナライズドT細胞エピトープを予測するために活用できるか？
• RQ3 免疫ペプチドームデータを学習データとして用いた機械学習モデルの、機能的T細胞エピトープ同定における予測性能はどの程度か？
• RQ4 SARS-CoV-2由来の保存的でHLA結合性のあるペプチドは、多様なHLAタイプにおいて強力なT細胞応答を誘発できるか？
• RQ5 このパーソナライズドワークフローは、突然変異に強く効果的なT細胞エピトープワクチンの設計をどのように改善するか？

主な発見

• ワークフローは、多様なHLAアレルルに強く結合すると予測される保存的SARS-CoV-2ペプチドのセットを効果的に同定した。
• 個々のHLAタイプと免疫ペプチドームデータを統合することで、モデルの予測精度が向上した。
• 同定されたエピトープは、ウイルスプロテオームの保存的領域に富んでおり、突然変異による免疫逃避のリスクが低減された。
• 本アプローチは、免疫原性と遺伝的安定性の両方を満たす候補エピトープの優先順位付けを可能にした。
• ワークフローのパーソナライズド性により、多様なHLAプロファイルを有する多様な集団に効果的なワクチン設計が可能になった。
• 本手法は、新興ウイルス病原体における迅速なエピトープ同定を可能にするスケーラブルなインシリコフレームワークを提供した。