Computational Immunogenetic Analysis of Botulinum Toxin A Immunogenicity and HLA Gene Haplotypes: New Insights
Notice bibliographique
Résumé
Botulinum toxin A (BoNT-A) is widely used in both therapeutic and aesthetic settings; however, the formation of neutralizing antibodies (NAbs) remains a critical concern, leading to treatment failure. Immunogenic responses are known to vary between individuals due to HLA polymorphisms. Although some claim that neurotoxin-associated proteins (NAPs) shield BoNT-A from immune detection or are themselves immunogenic, there is limited molecular evidence supporting either view. This study applies computational immunogenetics to explore BoNT-A immunogenicity, focusing on HLA binding and the influence of accessory proteins. Epitope mapping, molecular docking, and HLA binding predictions were used to evaluate interactions between BoNT-A epitopes and selected class II HLA alleles (HLA-DQA1*01:02, HLA-DQA1*03:03, HLA-DQB1*06:04, HLA-DQB1*03:01, and HLA-DRB1*15:01). To assess the potential immunomodulatory role of NAPs, molecular dynamics (MD) simulations, solvent-accessible surface area (SASA) analysis, and electrostatic potential mapping were also conducted. Key epitopes-L11, N25, and C10-showed strong binding affinities to HLA-DQA1*01:02, HLA-DQB1*06:04, and HLA-DQA1*03:03, indicating a potential immunodominant role. NAPs did not obstruct these epitopes but slightly increased their exposure and appeared to stabilize the toxin structure. Electrostatic mapping and binding free energy calculations suggested no significant immunogenic shift in the presence of NAPs. BoNT-A immunogenicity appears to be influenced by HLA allele variability, reinforcing the value of patient-specific genetic profiling. The presumed immunogenic role of NAPs remains unsubstantiated at the molecular level, underscoring the need for evidence-based evaluation over commercial rhetoric. While these findings provide valuable molecular insight, it is important to acknowledge that they are derived entirely from in silico analyses. As such, experimental validation remains essential to confirm the immunological relevance of these predicted interactions. Nonetheless, this computational framework offers a rational basis for guiding future clinical research and the development of HLA-informed BoNT-A therapies.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».