An in silico pipeline prioritizes candidate viral and bacterial mimics of hybrid insulin peptide autoantigens in type 1 diabetes
本研究通过整合基序筛选、HLA结合预测以及基于AlphaFold 3的结构建模，提出了一种“结构优先”的计算机模拟流程，用于识别并优先排序十个模拟1型糖尿病中混合胰岛素肽自身抗原的候选病毒及细菌肽，并最终强调了三个特定的SARS-CoV-2和人类鼻病毒肽以进行实验验证。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
1型糖尿病是一种由于人体自身的免疫系统错误地攻击产生胰岛素的细胞而导致的疾病。几十年来，科学家们已经知道遗传学在谁会患上这种疾病方面起着重要作用，特别是某些帮助免疫系统识别外来入侵者的基因。然而，引发这种攻击的确切诱因一直是一个谜。一种领先的理论认为，病毒或细菌可能会误导免疫系统。这种情况发生于某种病原体的一部分看起来与身体的一部分非常相似，以至于受过训练去猎杀病原体的免疫细胞，不小心开始攻击人体自身的组织。一项新的发现为这个故事增添了一个转折：有时，身体会通过将不同蛋白质的片段粘合在一起，从而创造出奇怪的混合蛋白质。这些“混合胰岛素肽”并不存在于人体原始的遗传蓝图中，这意味着免疫系统在早期的训练过程中从未学会忽略它们。如果某种病原体恰好拥有一个看起来像其中一种罕见混合物的片段，它就可能绕过身体的安全检查并引发这种疾病。
贝纳罗亚研究所（Benaroya Research Institute）的一位研究人员建立了一个数字流水线，用于搜寻这些危险的“貌似者”。这种新方法不再仅仅比较蛋白质的字母序列（因为这可能会产生误导），而是侧重于分子的三维形状。研究人员从五个已知的案例开始，在这些案例中，患者的免疫细胞成功识别了一个混合胰岛素肽。利用先进的计算机建模，他们精确绘制了该肽与持有它的蛋白质接触的具体部位。随后，他们将这些物理接触转化为一套规则，描述了特定位置所需的化学性质。这些规则被用于扫描十种已知与糖尿病相关的病毒和细菌的遗传蓝图。计算机寻找任何符合该危险混合物的形状和化学特征的微生物片段，而不论它们的字母序列是否匹配。
搜索从一千多个潜在匹配项开始。研究人员随后应用了一系列严格的过滤器来缩小名单范围。首先，计算机预测这些片段是否真的会粘附在与糖尿病风险相关的特定免疫受体上。接着，它对整个复合物进行建模，以观察其形状是否稳定。最后，它将每个候选者的形状与原始混合肽进行比较，以确保它们在结构上相似。这个过程剔除了大部分候选者，只留下了一小组通过了所有测试的成员。有趣的是，研究发现，仅仅观察骨架形状的相似程度并不能将好的候选者与坏的候选者区分开来；测试中使用的“诱饵”对照组在形状上看起来与真实的候选者一样相似。这表明，仅凭形状相似性不足以证明是否存在模仿者。
在过滤掉来自动物特有病毒的候选者后，研究人员剩下了十个具有强有力实验测试潜力的竞争者。其中两个脱颖而出，成为了最受关注的线索。一个是来自SARS-CoV-2病毒（导致COVID-19的病毒）的片段，另一个来自被称为人类鼻病毒3的常见感冒病毒。SARS-CoV-2片段在计算机模型中显示出极高的置信度分数，并且很好地匹配了混合肽的形状。人类鼻病毒片段虽然在形状上的置信度稍低，但表现出更强的化学键能，这表明它可能会非常紧密地粘附在免疫受体上。研究人员并未宣布其中一个为最终的获胜者；相反，两者都被视为同等优先级的目标。这两个片段目前正在实验室中接受测试，以观察它们是否真的能触发驱动1型糖尿病的免疫细胞。
这项研究为科学家们调查提供了具体的靶点，但也为计算机模型能做什么以及不能做什么划定了明确的界限。结果表明，虽然数字流水线成功识别了十个看似合理的候选者，但它并不能证明这些模仿者在自然界中比随机概率出现的频率更高。该研究明确排除了“简单的骨架形状测量可以区分真实的模仿者与随机肽”这一观点。最后的十个肽段只是现实世界实验的一个起点，而非最终答案。这项工作强调，虽然计算机模拟可以引导对复杂疾病原因的搜寻，但最终的证明仍需要实验室中的物理测试。目前，这两个领先的候选者——一个来自冠状病毒，一个来自常见的感冒病毒——正在经历这一关键的实验阶段，以确定它们是否确实是解开触发1型糖尿病之谜的关键。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。