An in silico pipeline prioritizes candidate viral and bacterial mimics of hybrid insulin peptide autoantigens in type 1 diabetes
Diese Studie präsentiert eine strukturorientierte In-silico-Pipeline, die durch die Integration von Motiv-Screening, HLA-Bindungsvorhersagen und einer auf AlphaFold 3 basierenden Strukturmodellierung zehn Kandidaten-Virus- und Bakterienpeptide identifiziert und priorisiert, welche hybride Insulinpeptid-Autoantigene bei Typ-1-Diabetes imitieren, und letztlich spezifische SARS-CoV-2- und Humanrhinovirus-3-Peptide für die experimentelle Validierung hervorhebt.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Typ-1-Diabetes ist eine Erkrankung, bei der das körpereigene Immunsystem fälschlicherweise die Zellen angreift, die Insulin produzieren. Seit Jahrzehnten wissen Wissenschaftler, dass die Genetik eine entscheidende Rolle dabei spielt, wer die Krankheit entwickelt, insbesondere bestimmte Gene, die dem Immunsystem helfen, fremde Eindringlinge zu erkennen. Der genaue Auslöser, der diesen Angriff startet, blieb jedoch ein Rätsel. Eine führende Theorie besagt, dass ein Virus oder ein Bakterium das Immunsystem austricksen könnte. Dies geschieht, wenn ein Teil eines Keims einem Teil des Körpers so ähnlich sieht, dass die Immunzellen, die darauf trainiert sind, den Keim zu jagen, stattdessen versehentlich das eigene Gewebe angreifen. Eine neuere Entdeckung hat dieser Geschichte eine Wendung gegeben: Manchmal erschafft der Körper seltsame Hybridproteine, indem er Fragmente verschiedener Proteine zusammenklebt. Diese „Hybrid-Insulin-Peptide“ kommen im ursprünglichen genetischen Bauplan des Körpers nicht vor, was bedeutet, dass das Immunsystem während seines frühen Trainings nie gelernt hat, sie zu ignorieren. Wenn ein Keim zufällig ein Stück besitzt, das einem dieser seltenen Hybride ähnelt, könnte dies die Sicherheitskontrollen des Körpers umgehen und die Krankheit auslösen.
Ein Forscher am Benaroya Research Institute hat eine digitale Pipeline entwickelt, um nach diesen gefährlichen Doppelgängern zu suchen. Anstatt nur den Buchstaben für Buchstaben ablaufenden Sequenzvergleich von Proteinen durchzuführen, der irreführend sein kann, konzentriert sich dieser neue Ansatz auf die dreidimensionale Form der Moleküle. Der Forscher begann mit fünf bekannten Beispielen, bei denen eine Immunzelle eines Patienten erfolgreich ein Hybrid-Insulin-Peptid erkannt hatte. Mithilfe fortschrittlicher Computermodellierung kartierte er genau, welche Teile des Peptids die Immunzelle und das Protein berührten, das es hält. Er übersetzte diese physischen Kontakte dann in einen Satz von Regeln, die die chemischen Eigenschaften an spezifischen Stellen beschreiben. Diese Regeln wurden verwendet, um die genetischen Baupläne von zehn verschiedenen Arten von Viren und Bakterien zu scannen, die mit Diabetes in Verbindung gebracht werden. Der Computer suchte nach jeglichen mikrobiellen Fragmenten, die die Form und das chemische Profil des gefährlichen Hybriden erfüllten, unabhängig davon, ob ihre Buchstabenfolgen übereinstimmten.
Die Suche begann mit über tausend potenziellen Treffern. Der Forscher wandte dann eine Reihe strenger Filter an, um die Liste einzugrenzen. Zuerst sagte der Computer voraus, ob diese Fragmente tatsächlich an den mit Diabetesrisiko assoziierten spezifischen Immunrezeptor binden würden. Als Nächst-es modellierte er den gesamten Komplex, um zu sehen, ob die Form stabil zusammenhält. Schließlich verglich er die Form jedes Kandidaten mit dem ursprünglichen Hybrid-Peptid, um sicherzustellen, dass sie strukturell ähnlich waren. Der Prozess eliminierte die meisten Kandidaten und hinterließ eine kleine Gruppe, die alle Tests bestand. Interessanterweise stellte die Studie fest, dass die bloße Betrachtung der Ähnlichkeit der Rückgratstruktur nicht die guten Kandidaten von den schlechten unterschieden; die als „Decoy“-Kontrollen verwendeten Proben sahen genauso ähnlich aus wie die echten Kandidaten. Dies deutet darauf an, dass die Ähnlichkeit der Form allein nicht ausreicht, um zu beweisen, dass ein Mimikry existiert.
Nachdem die Kandidaten, die von tier-spezifischen Viren stammten, herausgefiltert worden waren, verblieb dem Forscher eine Liste von zehn starken Kandidaten für experimentelle Tests. Zwei davon stachen als die vielversprechendsten Spuren hervor. Einer ist ein Fragment des SARS-CoV-2-Virus, das die Ursache für COVID-19 ist, und der andere stammt von einem gewöhnlichen Erkältungsvirus, dem humanen Rhinovirus 3. Das SARS-CoV-2-Fragment zeigte eine sehr hohe Konfidenzbewertung in den Computermodellen und passte gut zur Form des Hybrid-Peptids. Das Rhinovirus-Fragment, obwohl es in der Form etwas weniger vertrauenswürdig war, wies eine stärkere chemische Bindungsenergie auf, was darauf hindeutet, dass es sehr fest an den Immunrezeptor binden könnte. Der Forscher erklärte keinen der beiden zum definitiven Gewinner; stattdin werden beide als gleichwertige Prioritäten behandelt. Diese beiden Fragmente werden nun im Labor getestet, um zu sehen, ob sie tatsächlich die Immunzellen auslösen können, die Typ-1-Diabetes vorantreiben.
Die Studie liefert eine konkrete Liste von Zielstrukturen, die Wissenschaftler untersuchen können, setzt aber auch klare Grenzen für das, was die Computermodelle leisten können und was nicht. Die Ergebnisse zeigen, dass die digitale Pipeline zwar erfolgreich zehn plausible Kandidaten identifiziert hat, aber nicht beweisen konnte, dass diese Mimikry-Fragmente in der Natur häufiger vorkommen, als es der Zufall vermuten ließe. Die Studie schließt explizit die Idee aus, dass ein einfaches Maß der Rückgratform zwischen einem echten Mimikry und einem zufälligen Peptid unterscheiden kann. Die endgültige Liste der zehn Peptide ist ein Ausgangspunkt für reale Experimente, nicht eine endgültige Antwort. Die Arbeit unterstreicht, dass Computersimulationen zwar die Suche nach den Ursachen komplexer Krankheiten leiten können, der endgültige Beweis jedoch physische Tests im Labor erfordert. Die beiden führenden Kandidaten, einer vom Coronavirus und einer von einem gewöhnlichen Erkältungsvirus, befinden sich derzeit in dieser kritischen experimentellen Phase, um zu bestimmen, ob sie tatsächlich die Schlüssel zur Entschlüsselung des Rätsels sind, was Typ-1-Diabetes auslöst.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.