Dans une étude récente publiée dans le eBioMédecine Journal, les chercheurs ont lancé un programme de découverte d’anticorps neutralisants (nAB) contre le coronavirus 2 du syndrome respiratoire aigu sévère (SARS-CoV-2) ciblant potentiellement ses souches résistantes.
Ils ont utilisé un flux de travail classique, dans lequel un outil de prédiction basé sur l’intelligence artificielle (IA) a permis une sélection rapide d’anticorps liant différentes régions (épitopes) du domaine de liaison au récepteur (RBD) du SRAS-CoV-2.
Par la suite, ils ont effectué des analyses par interférométrie de biocouche (BLI), par criblage mutationnel et par microscopie électronique cryogénique (cryo-EM) pour établir leur puissance. in vivo (chez les hamsters syriens femelles).
Étude: Intégration de la prédiction d’épitopes basée sur l’intelligence artificielle dans un pipeline de découverte d’anticorps contre le SRAS-CoV-2 : la prudence est de mise. Crédit d’image : Andrii Vodolazhskyi/Shutterstock.com
Sommaire
Arrière-plan
Au début de la pandémie du SRAS-CoV-2, le déploiement de vaccins puissants contre la maladie à coronavirus 2019 (COVID-19) était incertain, mais les anticorps thérapeutiques se sont montrés très prometteurs. Cependant, la plupart des souches mutantes émergentes du SRAS-CoV-2 étaient résistantes à ces nAB.
Ainsi, le développement de cocktails SARS-CoV-2-nAB ciblant des épitopes non chevauchants de son domaine de liaison au récepteur (RBD) de pointe (S) et leur sélection préclinique restent cruciaux.
De nombreuses études publiées entre 2013 et 2023 ont décrit des méthodes informatiques pour la modélisation d’anticorps basée sur des séquences ; cependant, leur validation expérimentale fait défaut.
À propos de l’étude
Dans la présente étude, les chercheurs ont d’abord établi une bibliothèque de nAB anti-SARS-CoV-2 pour l’immunisation passive des patients présentant différentes sévérités de COVID-19.
Ensuite, ils ont utilisé un test de neutralisation de substitution pour dépister l’activité neutralisante du SRAS-CoV-2 dans des échantillons de sérum collectés auprès de ces patients.
Sur la base des résultats des analyses et de la disponibilité de cellules mononucléées du sang périphérique (PBMC) adéquates, l’équipe a sélectionné 14 patients pour une enquête plus approfondie, dans laquelle ils ont trié les cellules B se liant au SARS-CoV-2 RBD à l’aide d’une plate-forme d’extraction de cellules B adaptée de précédemment. méthodes établies.
Ensuite, ils ont séquencé 398 séquences AB appariées de chaînes légères et lourdes provenant de 1 069 cellules B viables. Cette approche était unique car elle utilisait une méthode supplémentaire basée sur MAbSilico AI au début du flux de travail pour générer une matrice de similarité entre les 398 séquences d’épitopes AB.
Le test ELISA (Enzyme-linked immunosorbent assay) a montré que 249 de ces 398 Abs se sont liés à la protéine SARS-CoV-2 S1, et que 188 AB pourraient décimer les virus pseudotypés basés sur le virus de la stomatite vésiculaire (VSV) avec le Wuhan SARS-CoV-2 S.
Sur la base des résultats de ces analyses, deux anticorps, UZGENT_A3 et UZGENT_A5, ont fait l’objet d’une caractérisation plus approfondie des épitopes d’anticorps et in vitro évaluations pour établir la puissance contre le Wuhan SARS-CoV-2.
L’équipe a également évalué le potentiel thérapeutique d’UZGENT_A3 et d’UZGENT_G5 dans un modèle de hamster.
L’équipe a utilisé MAbTope, une méthode basée sur l’amarrage, pour une cartographie approfondie des épitopes, où les fonctions de notation optimisées par l’IA ont classé les poses d’accueil.
Le nombre de résidus dans l’interface dans les poses d’accueil les mieux classées a permis d’identifier les régions d’interaction paratope-épitope.
Ils ont utilisé BLI pour établir leur liaison d’épitope contre le cocktail REGN-COV2 comprenant REGN10933 (casirivimab) et REGN10987 (imdevimab) et cryo-EM pour étudier les interactions paratope-épitope d’UZGENT_A3 et UZ_GENT_G5 avec la protéine S du SRAS-CoV-2.
Résultats
Les affinités d’UZGENT_A3 et d’UZGENT_G5 pour le RBD SARS-CoV-2 de Wuhan ont dépassé celles du cocktail REGN-COV2 disponible dans le commerce, l’affinité apparente d’UZGENT_G5 étant plus de 40 fois supérieure. UZGENT_A3 et UZGENT_G5 étaient en compétition avec REGN10933 et entre eux.
UZGENT-COV2, un cocktail d’UZGENT_A3 et d’UZGENT_G5, a nettement réduit la charge virale par rapport à un groupe placebo.
Il a également montré une efficacité thérapeutique élevée in vivo mais avait une efficacité légèrement inférieure à celle du cocktail REGN-COV2.
Cependant, UZGENT-COV2 a perdu son efficacité contre plusieurs variants préoccupants (COV) du SARS-CoV-2, notamment les variants Beta et Omicron, en particulier B.1.351 et B.1.1.529 avec des mutations dans les résidus E484K et E484 mais pas le variant Delta. .
Bien qu’il ne soit pas identifié comme étant important dans dans silico Dans les prédictions des épitopes, le résidu 484/485 était crucial pour la liaison des anticorps UZGENT_A3 et UZGENT_G5, indiquant des épitopes se chevauchant partiellement.
Alors que la mutation K417N a eu peu d’impact sur la neutralisation, les mutants K417N et E484K ont montré une neutralisation diminuée et la mutation L452R n’a eu aucun effet.
L’empreinte épitopique réelle d’UZGENT_A3 et d’UZGENT_G5 est susceptible d’inclure plus de résidus que ceux identifiés par le test utilisé dans cette étude ; cependant, il n’a détecté que de forts contributeurs à l’interaction et aucun résidu en dehors du RBD ou dans les structures quaternaires.
Les niveaux d’anticorps UZGENT-COV2 étaient plus faibles chez les hamsters par rapport au contrôle isotype et au REGN-COV-2, ce qui suggère que la modification de leur région cristallisable (Fc) pourrait améliorer la neutralisation du virus ou prolonger leur demi-vie.
Dans les analyses cryo-EM, les anticorps UZGENT_A3 et UZGENT_G5 ont montré la même pose de liaison et le même épitope, l’asparagine glycosylée en position 59 contribuant à la surface d’interaction épitope/paratope, ce qui suggère que la glycosylation pourrait ne pas être un facteur contribuant à l’affinité de liaison des anticorps.
Conclusions
L’étude a souligné que les outils basés sur l’IA pour de novo les prédictions des interactions paratope-épitope pour le SRAS-CoV-2-nAB manquaient de précision ; ainsi, bien qu’ils aient identifié un puissant cocktail d’anticorps comprenant les anticorps UZGENTG5 et UZGENTA3, les régions épitopiques prédites étaient incorrectes.
Une validation expérimentale est donc nécessaire pour améliorer la précision de ces méthodes basées sur l’IA. La validation expérimentale reste également cruciale pour une sélection réussie des pistes nAB.
