Using a novel structure/function approach to select diverse swine major histocompatibility complex 1 alleles to predict epitopes for vaccine development
Notice bibliographique
Résumé
MOTIVATION: Swine leukocyte antigens (SLAs) (i.e. swine major histocompatibility complex proteins) conduct a fundamental role in swine immunity. To generate a protective vaccine across an outbred species, such as pigs, it is critical that epitopes that bind to diverse SLA alleles are used in the vaccine development process. We introduced a new strategy for epitope prediction. RESULTS: We employed molecular dynamics simulation to identify key amino acids for interactions with epitopes. We developed an algorithm wherein each SLA-1 is compared to a crystalized reference allele with unique weighting for non-conserved amino acids based on R group and position. We then performed homology modeling and electrostatic contact mapping to visualize how relatively small changes in sequences impacted the charge distribution in the binding site. We selected eight diverse SLA-1 alleles and performed homology modeling followed, by protein-peptide docking and binding affinity analyses, to identify porcine reproductive and respiratory syndrome virus matrix protein epitopes that bind with high affinity to these alleles. We also performed docking analysis on the epitopes identified as strong binders using NetMHCpan 4.1. Epitopes predicted to bind to our eight SLA-1 alleles had equivalent or higher energetic interactions than those predicted to bind to the NetMHCpan 4.1 allele repertoire. This approach of selecting diverse SLA-1 alleles, followed by homology modeling, and docking simulations, can be used as a novel strategy for epitope prediction that complements other available tools and is especially useful when available tools do not offer a prediction for SLAs/major histocompatibility complex. AVAILABILITY AND IMPLEMENTATION: The data underlying this article are available in the online Supplementary Material.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».