PNAS：大數據方法研究HIV包膜蛋白藍圖 有望開發新型HIV疫苗

儘管人類在醫學研究領域取得了很多重大進展，但目前仍然沒有開發出應對HIV感染的有效疫苗，儘管最近研究人員希望能夠發現有效的抗體來中和多種HIV毒株，然而有時候HIV仍然會通過一些突變途徑來躲避已知的廣泛中和抗體的反應，這就使得研究人員設計出一種有效的解決方案變得非常困難了。

圖片來源：www.healthline.com

一種理想的疫苗能夠產生廣泛中和性抗體來靶向作用HIV的突起蛋白，該部位的突變會明顯減弱病毒的適應性或者病毒的再生和複製能力，這或許就需要療法HIV的適應性藍圖，為了完成這一目標，來自香港科技大學和MIT的科學家們就通過研究開發出了一種計算方法，該方法能夠評估HIV gp160蛋白的「適應性圖像」，gp160是包含HIV突起蛋白的多聚蛋白，隨後研究人員通過多種實驗性測量進行對比就能證實他們所推薦的圖像結構了。

相關研究刊登於國際雜誌PNAS上。研究者Raymond Louie表示，如果沒有大數據機器學習方法，我們或許就無法簡單做出這些預測，而我們所需要估計的參數數量或許接近440萬。文章中，研究人員通過對1918名HIV感染個體進行研究，獲得的數據包括815個殘基和20，043個序列。

研究者Matthew McKay說道，這種計算方法能夠給我們快速且準確的結果，相關研究結果也能幫助生物學家提出新的免疫原和疫苗接種策略，來迫使病毒變異為不適應的狀態以逃避免疫反應，這可能就會阻止或抑制病毒的感染。當研究人員所開發的方法能解決HIV gp160蛋白帶來的特殊挑戰時，利用相同的方法或許無法獲取其它HIV蛋白的適應性圖像信息，而這項研究中，研究者所開發的新技術或許是通用的，其同樣適用於一些高維最大熵的推理問題。

最後研究者Mckay表示，未來在臨床應用中，我們發現的適應性圖像信息或能用於bnAb組合性療法的選擇和免疫原的設計。本文中研究人員展示了一項數據應用的多學科領域研究，尤其是能夠解決很多生物學難題的大數據機器學習方法。（生物谷Bioon.com）

原始出處：

Raymond H. Y. Louie, Kevin J. Kaczorowski, John P. Barton, et al.Fitness landscape of the human immunodeficiency virus envelope protein that is targeted by antibodies. Proceedings of the National Academy of Sciences, 2018; 115 (4): E564 DOI: 10.1073/pnas.1717765115

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！