بررسی رویکرد بیوانفورماتیک برای ارزیابی وابستگی‌های پیوندی طعمه‌های درمانی احتمالی COVID-19

چند گونه از hACE2-Fc نیز در بیان شد نیکوتیانا بنتامیانا کارخانه برای بررسی امکان سنجی تولید در مقیاس انبوه. داده‌های اجرای دینامیک مولکولی با هاله‌های hACE2 و هاله‌های S RBD برای آموزش ANN (شبکه عصبی مصنوعی) ترکیب شدند. این مدل برای تخمین قرابت اتصال SARS-CoV-2 S با انواع hACE2 بر اساس هاله S RBD و hACE2 استفاده شد. اگر نوع جدیدی پدیدار شود، انواع hACE2 می‌توانند به سرعت توسط شبکه عصبی مصنوعی غربال‌گری شوند و توسط شبیه‌سازی‌های MD تأیید شوند تا استراتژی‌های درمان COVID-19 بر اساس نوع ACE2 محلول انسانی که بیشترین میل پیوندی را با SARS-CoV جدید دارد، تنظیم شود. -2 سویه

شبیه‌سازی‌های MD برای شناسایی جایگزین‌های اسید آمینه ۲ آنزیم تبدیل‌کننده آنژیوتانسین انسانی که برهمکنش‌های S RBD-hACE2 را تقویت می‌کنند، انجام شد، که برای آن از یک ESF (عملکرد امتیازدهی تجربی) در رابطه نزدیک با تکنیک LIE (انرژی برهم‌کنش خطی) استفاده شد. درونکشتگاهی سنجش‌های خنثی‌سازی SARS-CoV-2 برای ارزیابی مهار سویه نوع وحشی SARS-CoV-2 و انتقال نوع بتا توسط گونه‌های hACE2 که در ارتباط با بخش متبلور بخش (Fc) ناحیه ایمونوگلوبولین G1 انسانی بودند، انجام شد. hACE2-Fc).

برآوردهای ESF تایید شد درونکشتگاهی با روش های خنثی سازی ویروس داده های تجربی به خوبی با ΔG تخمین زده همبستگی دارند_پیش(انرژی های آزاد گیبس) در مدل. در مقایسه با نوع وحشی hACE2، اکثر واریانت‌های hACE2 پیوندهای پیوندی افزایش‌یافته‌ای را با نوع SARS-CoV-2 بتا، واریانت دلتا، و زیرمتغیر BA.1 و BA.2 Omicron نشان دادند. hACE2-K31W تنها جهش یافته با انرژی آزاد گیبس بسیار کمتر بود، که نشان می دهد جهش K31W ممکن است در تعاملات S RBD نقش داشته باشد. حضور جهش K31W در اکثر جهش‌های میل ترکیبی بالا مشاهده شد.

در مطالعه اخیر منتشر شده در گزارش های علمیمحققان یک گردش کار محاسباتی مبتنی بر شبیه‌سازی‌های دینامیک مولکولی (MD) و شبکه عصبی مصنوعی (ANN) برای ارزیابی سندرم حاد تنفسی ویروس کرونا 2 (SARS-CoV-2) دامنه اتصال گیرنده پروتئین (RBD) سنبله (S) ایجاد کردند. آنزیم تبدیل کننده آنژیوتانسین انسانی 2 (hACE2) وابستگی گونه های SARS-CoV-2.

مطالعه: بهینه‌سازی طعمه‌های درمانی SARS-CoV-2 با استفاده از شبیه‌سازی‌های دینامیک مولکولی هدایت‌شده با یادگیری عمیق. اعتبار تصویر: CROCOTHERY/Shutterstock

زمینه

در مطالعه حاضر، محققان با ترکیب روش‌های معمولی با فناوری مبتنی بر ابر نقطه‌ای، یک گردش کار برای بهینه‌سازی توسعه فریب درمانی مخصوص نوع SARS-CoV-2 ابداع کردند.

پتانسیل سیستم برای تخمین اثرات جهش‌های گونه S RBD برای همان طعمه‌های hACE2 با استفاده از گونه‌های BA.1 و BA.2 نوع SARS-CoV-2 Omicron به عنوان نمونه ارزیابی شد. همه جهش های احتمالی hACE2 غربالگری شدند و 300 تخمین امیدوارکننده با شبیه سازی MD تایید شدند. علاوه بر hACE2 نوع وحشی، گونه‌های امیدوارکننده pf hACE2، با برچسب Fc IgG انسانی C ترمینال، در سلول‌های همستر-تخمدان چینی (CHO) بیان شد.

ساختار کریستالی SARS-CoV-2 S RBD نوع وحشی متصل به hACE2 از پایگاه داده بانک اطلاعات پروتئین (PDB) دانلود شد. مقدار ΔG برآورد شده توسط مدل بر اساس نیروهای الکترواستاتیک و واندروالس محاسبه شد. توالی‌های مورد استفاده برای آموزش ANN شامل توالی‌های S RBD (n=1165) و توالی‌های hACE2 (n=95) هستند که از معاینه بصری، جستجوی ادبیات یا ابتکار جهانی در به اشتراک‌گذاری همه داده‌های آنفلوآنزا (GISAID) تا 4 ژانویه 2022 بازیابی شده‌اند.

نتایج

مطالعات گزارش داده اند که فعل و انفعالات اتصال S-hACE2 ورود SARS-CoV-2 و تکثیر بعدی در میزبان را تسهیل می کند. بنابراین، بیماری کروناویروس 2019 (COVID-19) ممکن است با مهار اتصال S-ACE2 جلوگیری شود.

انواع hACE2-Fc K31W، hACE2 T27Y_L79T_N330Y_K31W، و hACE2 T27Y_ L79T_K31W hACE2 به عنوان کاندیدهای میل ترکیبی بالا شناسایی شدند. نامزدهای تولید شده در N. benthamiana IC 5.0 برابر و 6.0 برابر پایین تر نشان داد₅₀ مقادیر (نیمه حداکثر غلظت مهاری) در مقایسه با نوع مشابه تولید شده در سلول‌های CHO و hACE2-Fc نوع وحشی. یافته‌ها نشان داد که انواع hACE2-Fc با تاخوردگی صحیح می‌توانند در آن تولید شوند N. benthamiana و گونه های محلول ACE2 تولید شده در گیاه یک گزینه درمانی امیدوارکننده و مقرون به صرفه در برابر SARS-CoV-2 است.

بر این اساس، ACE2 محلول انسانی (hsACE2) که قبل از ورود SARS-CoV-2 به ویروس‌های SARS-CoV-2 متصل می‌شود، ممکن است از COVID-19 جلوگیری کند. با این حال، این رویکرد نیاز به بهینه سازی و انطباق با انواع جدید SARS-CoV-2 دارد.

در مورد مطالعه

RNA SARS-CoV-2 توسط واکنش زنجیره ای پلیمراز رونویسی معکوس کمی (RT-qPCR) و ایمونوهیستوشیمی (IHC) اندازه گیری شد. پتانسیل خنثی سازی SARS-CoV-2 انواع hACE2 بیان شده در نیکوتیانا بنتامیانا برگ های گیاه (hACE2-Fc K31W_NB) با استفاده از سنجش ایمونوسوربنت متصل به آنزیم (ELISA) مورد آزمایش قرار گرفت. در سیلیکون تجزیه و تحلیل برای ارزیابی قرابت اتصال گونه های hACE2 با پروتئین های Omicron BA.3، BA.4/5 و Omicron BA.2.75 RBD انجام شد.

انواع با جهش 3.0 تا 5.0 بیشترین اتصال S RBD را نشان دادند. hACE2 T27Y_L79T_K31W و hACE2 T27Y_L79T_N330Y_ K31W پیوندهای پیوندی بسیار بالایی را برای BA.2 S RBD (ΔG) نشان دادند_پیش مقدار -71.0 کیلوژول / مول) در مقایسه با نوع وحشی hACE2 (-52.0 کیلوژول / مول). با قرابت تخمینی پیوند -62.0 و -67.0 کیلوژول بر مول، hACE2 T27Y_L79T_K31W و hACE2 T27Y_L79T_N330Y_K31W انواع بالاترین میل ترکیبی بالا برای BA.3 و OBA.3 در OBA.7 برای binding5ronmic5. پایین تر بالاترین نقاط پرت (مقادیر MD ΔG <-70 کیلوژول / مول) توسط مدل، به بالاترین مقدار میل اتصال مشاهده شده ترسیم شد.

یافته‌ها نشان داد که ANN نه تنها قادر به تخمین بهتر مقادیر نزدیک‌تر به بخش عمده‌ای از توزیع میل اتصال نسبت به برون‌یابی از گونه‌های نزدیک به هم بود، بلکه به طور قابل اعتمادی انواع میل ترکیبی بالا را به بالاترین براکت میل ترکیبی -68.0 کیلوژول بر مول ترسیم کرد. شبکه عصبی مصنوعی می‌تواند بینش‌های فیزیکی معناداری را از Halos با عملکردی بسیار بهتر از یادگیری ساده یک تابع رگرسیون به میانگین یا کپی یاد بگیرد، و این مدل می‌تواند بینش‌های آموخته‌شده را از ورودی‌های نسبتاً متفاوت ترکیب کند (توالی‌های دور SARS-CoV-2 ). مدل جهش یافته منفرد را شناسایی کرد که با بهترین جهش یافته hACE2 در آزمایش‌های اولیه MD قابل مقایسه بود.

به طور کلی، یافته‌های مطالعه رویکرد بیوانفورماتیکی ترکیب شبیه‌سازی‌های MD را برجسته کرد. درونکشتگاهی سنجش‌های مهار رقابتی، سنجش عفونت با ویروس زنده و ANN، برای ارزیابی سریع، مقرون‌به‌صرفه و کارآمد میل پیوندی طعمه‌های hACE2 به سویه‌های جدید SARS-CoV-2 در مرحله اولیه، کاهش مدت زمان سازگاری با طعمه hACE2 و نمونه مورد نیاز برای درونکشتگاهی انتخاب ها

منبع