Para ilmuwan secara komputasi memulihkan potensi antibodi terhadap subvarian Omikron SARS-CoV-2

Read Also

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