Para ilmuwan secara komputasi memulihkan potensi antibodi terhadap subvarian Omikron SARS-CoV-2
Dalam sebuah penelitian baru-baru ini yang diposting ke preprint server bioRxiv*, tim peneliti dari Amerika Serikat secara komputasi memodifikasi antibodi monoklonal COV2-2130 untuk mengembalikan kemampuan penetralnya terhadap severe acute respiratory syndrome coronavirus 2 2 (SARS-CoV-2) subvarian Omikron , sambil mempertahankan kemanjuran terhadap Delta dan wild-type strains.
Latar belakang
Sementara antibodi dan vaksin monoklonal telah berhasil
mengurangi hasil parah dari pandemi penyakit coronavirus 2019 (COVID-19),
varian SARS-CoV-2 yang muncul yang menjadi perhatian, seperti subvarian Omicron
mengandung mutasi yang memungkinkan virus untuk escape humoral immunity and
antibody-based therapies.
Kombinasi tixagevimab dan cilgavimab digunakan sebagai
terapi antibodi profilaksis dan memiliki efek penetral yang kuat pada strain
leluhur Wuhan-1 dan varian SARS-CoV-2 sebelumnya seperti delta, tidak efektif
melawan subvarian Omicron BA.1 dan BA. 1.1.
Modifikasi komputasi dari antibodi yang disetujui peraturan yang ada untuk meningkatkan kemanjuran pengikatan dan penetralannya memberikan alternatif waktu dan biaya yang efisien untuk mengembangkan antibodi baru.
Tentang studi
Dalam penelitian ini, tim mengembangkan metode komputasi
yang disebut Generative Unconstrained Intelligent Drug Engineering (GUIDE),
yang menggunakan pembelajaran mesin dan teknik simulasi untuk menargetkan
beberapa situs pengikatan antigen seperti receptor binding domains (RBDs)) dari
beberapa varian SARS-CoV-2. dan menggabungkan karakteristik yang menguntungkan
seperti termostabilitas.
Platform komputasi memperkenalkan mutasi ke COV2-2130
(bagian dari kombinasi pengobatan tixagevimab + cilgavimab) untuk mengusulkan
kandidat antibodi. Metode ini tidak menggunakan input dari eksperimen lab basah
pada calon antibodi atau turunan apa pun dari antibodi COV2-2130 asli. Tim
menggunakan RBD varian Delta SARS-CoV-2, dan subvarian Omicron BA.1 dan BA1.1
sebagai antigen target. Mutasi diperkenalkan pada 20 residu paratope, terutama
di daerah yang menentukan komplementaritas rantai berat dan ringan dari
antibodi.
Lima sifat antibodi dipertimbangkan saat memperkenalkan
mutasi pada residu paratope COV2-2130. Ini termasuk afinitas pengikatan ke RBD
subvarian Omicron BA.1 dan BA1.1, varian Delta, dan sifat seperti
termostabilitas dan kesamaan dengan urutan manusia alami. Sebanyak 376 sekuens
antibodi yang dihasilkan melalui proses desain komputasi dipilih untuk validasi
eksperimental.
Gyrolab xPlore dan enzyme-linked immunosorbent assay (ELISA)
digunakan untuk melakukan immunoassays tunggal dan multikonsentrasi untuk
menyaring antibodi untuk afinitas pengikatan ke tipe liar, dan Omicron BA.1 dan
BA.1.1 RBDs. Selain itu, antibodi yang dipilih diproduksi pada skala yang lebih
besar, dan penilaian pergeseran termal dan immunoassay digunakan untuk
mengkarakterisasi antibodi imunoglobulin G (IgG).
Kinerja antibodi yang diproduksi diuji menggunakan uji netralisasi terhadap pseudovirus. Uji netralisasi reduksi fokus menggunakan beberapa strain SARS-CoV-2 dan sel Vero yang mengekspresikan transmembrane serine protease 2 (TMPRSS2) dilakukan untuk mengetahui aktivitas netralisasi otentik terhadap virus.
Overview of the GUIDE computationally driven drug
engineering platform. Given target antigens and a parental antibody,
co-structures are estimated experimentally and/or computationally (left). Within
the main computational loop (center left), a sequence generator proposes
multi-point mutant antibody candidates, and a Bayesian optimization agent
selects which proposed sequences to evaluate via a set of affinity prediction
tools. A subset of 376 computationally evaluated sequences based on Pareto
optimality were experimentally evaluated for binding affinity by Gyros or ELISA
(center right). The top 10 sequences are then evaluated for neutralization of
SARS-CoV-2 variants (right).
Hasil
Hasilnya melaporkan bahwa antibodi terbaik yang dirancang
dalam penelitian ini, 2130-1-0114-112, menunjukkan aktivitas netralisasi yang
kuat dan luas terhadap subvarian Omikron SARS-CoV-2 BA.1 hingga BA.5.5 sambil
mempertahankan kemanjuran terhadap Delta dan wild-type (WA1/2020) serta
termostabil lainnya.
Ketika tikus transgenik K18-hACE2 yang diinokulasi secara
intranasal dengan varian tipe liar, atau Omicron BA.1.1 atau BA.5 diberikan
2130-1-0114-112 dan COV2-2130 asli, 2130-1-0114-112 dipamerkan lebih tinggi pada
aktivitas antivirus vivo.
Empat mutasi (GH112E, SL32A, SL33A, TL59E) yang tergabung
dalam 2130-1-0114-112 tampaknya mengoptimalkan interaksi hidrofobik dan
elektrostatik dan mengikat RBD yang bermutasi dari subvarian Omicron. Meskipun
mutasi pada RBD dari subvarian Omicron yang lebih baru seperti BA.2, BA.2.12.1,
BA.4, BA.5, dan BA.5.5 tidak dipertimbangkan saat merancang antibodi ini,
aktivitas netralisasi 2130- 1-0114-112 terhadap semua subvarian Omikron ini
menunjukkan kekokohan metode ini dalam mengembangkan antibodi penetralisir luas
dari nenek moyang yang ada.
Subvarian Omicron BA.4.6 yang mengandung mutasi R346T, di
mana antibodi COV2-2130 menunjukkan aktivitas netralisasi nol, dinetralkan oleh
2130-1-0114-112 pada nilai konsentrasi penghambatan setengah-maksimal (IC50)
1264 ng/ml, menunjukkan penurunan kerentanan dibandingkan dengan nenek moyang.
Cryo-EM structure of neutralizing antibodies 2130-1-0114-112 in complex with Cov2 BA.2 RBD. (A) Cryo-EM map and model of the RBD-Fab complex. The map is transparent and colored by chain with RBD red, 2130-1-0114-112 HC yellow and 2130-1-0114-112 LC green. (B) Atomic model of the RBD-Fab complex. Color as in A. Hydrogen bond in dashed line. BA.2 RBD mutation in orange. 2130-1-0114-112 mutation in cyan and blue (HC and LC). (C) Detail showing the 2130-1-0114-112 modified residues and the interaction with Cov2 BA.2 RBD. Left, HCDR3 Glu112. Middle, LCDR1 Ala32 and Ala33 hydrophobic network. Right, LCDR2 Glu59 salt bridge with Arg498. Orange and green dashed lines indicate H-bonds and hydrophobic interactions, respectively; yellow dashed lines are labeled with distances. (D) Left, HCDR3 shown as in (C) with surface color by electrostatic potential, showing the positive and negative charges of Lys444 and Glu112. Right, A32 and A33 in LCDR1 with the nearby RBD surface colored by hydrophobicity (orange to cyan hydrophobic to hydrophilic). (E) 2D diagram of Fab 2130-1-0114-112 paratope and epitope residues involved in hydrogen bonding (dashed lines) and hydrophobic interactions. Residues involved in hydrophobic interactions are shown as curved lines with rays. Atoms shown as circles, with oxygen red, carbon black, and nitrogen blue. Interacting residues that belong to CDR loops are colored in different shade. Asterisks correspond to mutated residues. Image created with Ligplot+ [Laskowski2011].
Kesimpulan
Untuk meringkas, penelitian ini secara komputasi mendesain
ulang bagian antibodi klinis COV2-2130 dari terapi antibodi profilaksis
kombinasi tixagevimab + cilgavimab untuk mengembalikan aktivitas penetralan
terhadap subvarian Omikron SARS-CoV-2 yang mengelak dari kekebalan yang muncul
sambil mempertahankan kemanjurannya terhadap Delta dan varian tipe liar.
Antibodi terbaik yang dipilih dari penelitian
(2130-1-0114-112) berhasil menetralkan strain tipe liar dan Delta dan berbagai
subvarian Omikron, termasuk subvarian BA.2 hingga BA.5.5, yang belum muncul
pada saat antibodi dirancang.
Penggunaan metode GUIDE simulasi komputasi kinerja tinggi,
bioinformatika, pembelajaran mesin, dan kemandirian dari eksperimen lab basah
menjadikannya alat yang berpotensi berguna untuk memodifikasi antibodi klinis
yang ada dengan cepat untuk meningkatkan kemanjuran netralisasi luas mereka
terhadap varian SARS-CoV-2 yang muncul.
*Pemberitahuan Penting
bioRxiv menerbitkan laporan ilmiah awal yang tidak ditinjau
oleh rekan sejawat dan, oleh karena itu, tidak boleh dianggap sebagai
konklusif, memandu praktik klinis/perilaku yang berhubungan dengan kesehatan,
atau diperlakukan sebagai informasi yang mapan.
Journal reference:
Computationally restoring the potency of a clinical antibody
against SARS-CoV-2 Omicron subvariants: Thomas A Desautels, Kathryn T Arrildt,
Adam T Zemla, Edmond Y Lau, Fangqiang Zhu, Dante Ricci, Stephanie Cronin, Seth
Zost, Elad Binshtein, Suzanne M Scheaffer, Taylor B Engdahl, Elaine Chen, John
W Goforth, Denis Vashchenko, Sam Nguyen, Dina R Weilhammer, Jacky Kai-Yin Lo,
Bonnee Rubinfeld, Edwin A Saada, Tracy Weisenberger, Tek-Hyung Lee, Bradley
Whitener, James B Case, Alexander Ladd, Mary S Silva, Rebecca M Haluska, Emilia
A Grzesiak, Thomas W Bates, Brenden K Petersen, Larissa B Thackray, Brent W
Segelke, Antonietta Maria Lillo, Shankar Sundaram, Michael S Diamond, James E
Crowe Jr, Robert H Carnahan, and Daniel M Faissol. bioRxiv. 2022. DOI:
https://doi.org/10.1101/2022.10.21.513237,
https://www.biorxiv.org/content/10.1101/2022.10.21.513237v1
No comments