An in silico pipeline prioritizes candidate viral and bacterial mimics of hybrid insulin peptide autoantigens in type 1 diabetes
Deze studie presenteert een structure-first in silico-pipeline die tien kandidaat virale en bacteriële peptiden identificeert en prioriteert die hybride insulinepeptidoautoantigenen in type 1 diabetes nabootsen door het integreren van motiefscreening, HLA-bindingsvoorspellingen en op AlphaFold 3 gebaseerde structurele modellering, wat uiteindelijk specifieke SARS-CoV-2 en human rhinovirus 3 peptiden voor experimentele validatie belicht.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Type 1 diabetes is een aandoening waarbij het eigen immuunsysteem per abuis de cellen aanvalt die insuline produceren. Decennialang hebben wetenschappers geweten dat genetica een grote rol speelt bij wie de ziekte ontwikkelt, specifiek bepaalde genen die het immuunsysteem helpen vreemde indringers te herkennen. Echter, de exacte trigger die deze aanval start, is een mysterie gebleven. Eén leidende theorie suggereert dat een virus of bacterie het immuunsysteem kan misleiden. Dit gebeurt wanneer een stukje van een kiem zo sterk lijkt op een stukje van het lichaam dat de immuuncellen, getraind om de kiem te jagen, per ongelig de eigen weefsels van het lichaam gaan aanvallen. Een recentere ontdekking heeft een wending aan dit verhaal toegevoegd: soms creëert het lichaam vreemde, hybride eiwitten door fragmenten van verschillende eiwitten aan elkaar te lijmen. Deze "hybride insulinepeptiden" komen niet voor in de oorspronkelijke genetische blauwdruk van het lichaam, wat betekent dat het immuunsysteem tijdens de vroege training nooit heeft geleerd om ze te negeren. Als een kiem toevallig een stukje heeft dat lijkt op een van deze zeldzame hybriden, zou dit de veiligheidscontroles van het lichaam kunnen omzeilen en de ziekte kunnen ontketenen.
Een onderzoeker bij het Benaroya Research Institute heeft een digitale pijplijn gebouwd om op zoek te gaan naar deze gevaarlijke look-alikes. In plaats van alleen de letter-voor-letter sequentie van eiwitten te vergelijken, wat misleidend kan zijn, richt deze nieuwe aanpak zich op de driedimensionale vorm van de moleculen. De onderzoeker begon met vijf bekende voorbeelden waarbij een immuuncel van een patiënt succesvol een hybride insulinepeptide herkende. Met behulp van geavanceerde computermodellering brachten ze exact in kaart welke delen van het peptide contact maakten met de immuuncel en het eiwit dat het vasthoudt. Ze vertaalden deze fysieke contacten vervolgens naar een reeks regels die de chemische eigenschappen beschrijven die nodig zijn op specifieke plaatsen. Deze regels werden gebruikt om de genetische blauwdrukken van tien verschillende typen virussen en bacteriën te scannen die geassocieerd worden met diabetes. De computer zocht naar enige microbiële fragmenten die voldeden aan de vorm en het chemische profiel van het gevaarlijke hybride, ongeacht of hun lettersequenties overeenkwamen.
De zoektocht begon met meer dan duizend potentiële matches. De onderzoeker paste vervolgens een reeks strikte filters toe om de lijst te verfijnen. Eerst voorspelde de computer of deze fragmenten daadwerkelijk zouden plakken aan de specifieke immuunreceptor geassocieerd met het risico op diabetes. Vervolgens modelleerde het de gehele complex om te zien of de vorm stabiel bij elkaar bleef. Ten slotte vergeleek het de vorm van elk kandidaat met het originele hybride peptide om te garanderen dat ze structureel vergelijkbaar waren. Het proces elimineerde de meeste kandidaten, waardoor een kleine groep overbleef die aan elke test voldeed. Interessant genoeg toonde de studie aan dat het simpelweg kijken naar hoe vergelijkbaar de ruggengraatvorm (backbone shape) was, de goede kandidaten niet van de slechte scheidde; de "decoy" controles die in de test werden gebruikt, zagen er net zo vergelijkbaar uit als de echte kandidaten. Dit suggereert dat vormovereenkomst alleen niet voldoende is om te bewijzen dat een mimic bestaat.
Na het wegfilteren van kandidaten die afkomstig waren van dierspecifieke virussen, hield de onderzoeker tien sterke kanshebbers over voor experimentele tests. Twee daarvan sprongen eruit als de meest veelbelovende leads. Eén is een fragment van het SARS-CoV-2-virus, de veroorzaker van COVID-19, en de andere komt van een bekend verkoudheidsvirus, het human rhinovirus 3. Het SARS-CoV-2-fragment vertoonde een zeer hoge betrouwbaarheidsscore in de computermodellen en kwam qua vorm goed overeen met het hybride peptide. Het rhinovirus-fragment, hoewel iets minder zelfverzekerd qua vorm, vertoonde een sterkere chemische bindingsenergie, wat suggereert dat het mogelijk zeer stevig aan de immuunreceptor plakt. De onderzoeker heeft niet één als de definitieve winnaar uitgeroepen; in plaats daarvan worden beide behandeld als even belangrijke prioriteiten. Deze twee fragmenten worden nu in een laboratorium getest om te zien of ze daadwerkelijk de immuuncellen kunnen triggeren die type 1 diabetes aansturen.
De studie biedt een concrete lijst met doelwitten voor wetenschappers om te onderzoeken, maar stelt ook duidelijke grenzen aan wat de computermodellen wel en niet kunnen. De resultaten laten zien dat hoewel de digitale pijplijn erin slaagde om tien plausibele kandidaten te identificeren, het niet kon bewijzen dat deze mimics gebruikelijker voorkomen in de natuur dan de kans op basis van toeval zou suggereren. De studie sluit expliciet de mogelijkheid uit dat een eenvoudige maatstaf voor de ruggengraatvorm een ware mimic kan onderscheiden van een willekeurig peptide. De definitieve lijst van tien peptiden is een startpunt voor experimenten in de echte wereld, niet een definitief antwoord. Het werk benadrukt dat hoewel computersimulaties de zoektocht naar de oorzaken van complexe ziekten kunnen sturen, het uiteindelijke bewijs fysieke tests in het lab vereist. De twee belangrijkste kandidaten, één uit het coronavirus en één uit een bekend verkoudheidsvirus, ondergaan momenteel deze cruciale experimentele fase om te bepalen of zij inderdaad de sleutels zijn tot het ontrafelen van het mysterie van wat type 1 diabetes triggert.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.