Computational identification of a multi-peptide vaccine candidate in E2 glycoprotein against diverse Hepatitis C virus genotypes
Notice bibliographique
Résumé
Hepatitis C Virus (HCV) is estimated to affect nearly 180 million people worldwide, culminating in ∼0.7 million yearly casualties. However, a safe vaccine against HCV is not yet available. This study endeavored to identify a multi-genotypic, multi-epitopic, safe, and globally competent HCV vaccine candidate. We employed a consensus epitope prediction strategy to identify multi-epitopic peptides in all known envelope glycoprotein (E2) sequences, belonging to diverse HCV genotypes. The obtained peptides were screened for toxicity, allergenicity, autoimmunity and antigenicity, resulting in two favorable peptides viz., P2 (VYCFTPSPVVVG) and P3 (YRLWHYPCTV). Evolutionary conservation analysis indicated that P2 and P3 are highly conserved, supporting their use as part of a designed multi-genotypic vaccine. Population coverage analysis revealed that P2 and P3 are likely to be presented by >89% Human Leukocyte Antigen (HLA) molecules from six geographical regions. Indeed, molecular docking predicted the physical binding of P2 and P3 to various representative HLAs. We designed a vaccine construct using these peptides and assessed its binding to toll-like receptor 4 (TLR-4) by molecular docking and simulation. Subsequent analysis by energy-based and machine learning tools predicted high binding affinity and pinpointed the key binding residues (i.e. hotspots) in P2 and P3. Also, a favorable immunogenic profile of the construct was predicted by immune simulations. We encourage the scientific community to validate our vaccine construct in vitro and in vivo.Communicated by Ramaswamy H. Sarma
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».