A Globally Representative Immunopeptidomics Approach to Identify Population-Wide Vaccine Candidates
Notice bibliographique
Résumé
Abstract Vaccine development has historically relied on preclinical testing using one or two cell lines, typically of Caucasian descent, contributing to vaccines that may fail to provide adequate protection across genetically diverse populations. A major factor in these failures is the lack of consideration for human leukocyte antigen (HLA) diversity, with over 30,000 HLA alleles worldwide exhibiting distinct frequencies across ethnic groups and geographic regions. Here, we present a globally representative immunopeptidomics approach that addresses HLA diversity at the earliest stages of vaccine antigen discovery. We established a panel of 30 cell lines from the 1000 Genomes Project that represent 75% of the world’s most common HLA alleles. Using a combined computational and experimental approach, we identified 18 common binding motifs (7 MHC class I and 11 MHC class II) shared across 24 cell lines from the panel. We developed an accessible bioinformatic tool that predicts globally presentable antigenic regions from any pathogen proteome by identifying peptides matching these common binding motifs. Validation with Salmonella enterica serovar Typhimurium and SARS-CoV-2 Spike protein demonstrated that our method successfully identifies known immunogenic regions, with experimentally detected epitopes showing substantial overlap with predicted regions of interest. Notably, only three cell lines were required to validate highly immunogenic S. enterica targets, including OmpC—a porin with known 100% protective efficacy—detected across all tested lines. Our approach enables researchers to rapidly screen pathogen proteomes using freely available bioinformatic tools, with optional experimental validation requiring minimal resources. By identifying antigens with broad population coverage before clinical trials begin, this method has the potential to increase vaccine success rates while ensuring equitable protection across diverse populations. The cell line panel, common binding motifs, and bioinformatic workflow are publicly available, providing an accessible pathway for developing vaccines that truly serve global populations.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».