Ein Team um Professor Wei Yang vom Nationalen Institut für Pathogenbiologie der Chinesischen Akademie der Medizinischen Wissenschaften und dem Peking Union Medical College hat eine computergestützte und experimentelle Methode entwickelt, die die Gerüstregionen (FR) und die komplementaritätsbestimmenden Regionen (CDR) von Antikörpern synergistisch optimiert. Mithilfe dieses Ansatzes entwickelten sie zwei pan-Ebola-Antikörper mit deutlich verbesserter Neutralisierungsbreite und -potenz. Die Studie mit dem Titel „
Computergestütztes Design von Breitband-Ebola-Antikörpern durch synergistische Optimierung von Gerüst- und komplementaritätsbestimmenden Regionen “ wurde in
der Fachzeitschrift Research veröffentlicht .
Hintergrund:
Das Ebola-Virus, ein Mitglied der Familie
der Filoviren , verursachte zwischen 2013 und 2022 wiederkehrende regionale Ausbrüche und stellt weiterhin eine große globale Bedrohung für die öffentliche Gesundheit dar. Von den sechs bekannten Spezies sind Zaire (EBOV), Sudan (SUDV) und Bundibugyo (BDBV) hochpathogen. Der Viruseintritt wird durch das Hüllglykoprotein (GP) vermittelt, das primäre Ziel neutralisierender Antikörper. Die derzeit zugelassenen Antikörpertherapien sind größtenteils nur gegen EBOV wirksam und weisen eine begrenzte Aktivität gegen andere Spezies auf, weshalb häufig Kombinationspräparate erforderlich sind. Darüber hinaus führt die virale Evolution unter Immunstress zu Immunflucht, was den Bedarf an potenten und breit neutralisierenden Anti-Ebola-Antikörpern sowie an schnell anpassbaren Technologien zur Antikörperoptimierung unterstreicht.
Forschungsfortschritt:
Geschlossener computergestützter und experimenteller Prozess. Das Team entwickelte eine Multi-Parameter-
In-silico -Vorhersageplattform, die mit gezielter Validierung im Labor integriert ist. Mithilfe von Deep-Mutational-Scanning-Tools (mCSM-AB, mmCSM-AB) priorisierten sie Mutationen basierend auf vorhergesagten Änderungen der freien Bindungsenergie (??G).
bindenund relative Lösungsmittelzugänglichkeit (RSA%). Die iterative „Vorhersagen-Testen-Verfeinern“-Strategie beschleunigte das Antikörper-Engineering deutlich.
FR-CDR-Co-Engineering von ADI-15878. Durch Foldseek-basiertes Framework-Grafting, gefolgt von CDR-Einzelpunktmutagenese, wurde die Variante W32G-LC identifiziert. Ohne die strukturelle Integrität zu beeinträchtigen, verbesserte diese Variante die Neutralisierung gegen EBOV, BDBV und SUDV um das ca. 17-Fache, 7-Fache bzw. 2-Fache und stellte die Bindung an eine Escape-Mutante (G528E) des EBOV-GP teilweise wieder her.
Docking-gestützte Optimierung von ADI-15946. Für ADI-15946, das anfänglich eine schwache SUDV-Neutralisierung zeigte, nutzten die Forscher ZDOCK zur Modellierung von Antikörper-Antigen-Komplexen und wendeten eine Multi-Template-Konsensus-Strategie für das Screening von Einzelpunktmutationen an. mmCSM-AB unterstützte die Konstruktion von Mehrpunktmutanten. Zwei Varianten, H27Q/S52Y/G66R-LC und A50Y/S52Y/L54R-LC, verstärkten die SUDV-Neutralisierung um mehr als das 40- bzw. 100-Fache, während die volle Aktivität gegen EBOV und BDBV erhalten blieb.
Struktur- und Affinitätsvalidierung: AlphaFold3-Vorhersagen und Oberflächenplasmonenresonanzmessungen zeigten, dass W32G-LC die vergrabene Oberfläche vergrößert und eine neue Interaktion mit der GP-Glykosylierungsstelle N204 eingeht. Die ADI-15946-Triple-Mutanten führten Tyrosin- und Argininreste ein, die Kation-?- und ?-?-Wechselwirkungen ausbildeten. Dies erhöhte die Bindungsaffinität zu SUDV GP von 2,241 nM auf 0,248–0,349 nM und vergrößerte die Kontaktfläche mit wichtigen Epitopen.
Ausblick:
Diese Arbeit etabliert eine computergestützte und generalisierbare Optimierungsstrategie, die FR-CDR-Co-Engineering, Docking-gestütztes Multi-Template-Konsensus-Screening und iteratives experimentelles Feedback integriert. Der Ansatz überwindet die Einschränkungen des auf Affinität basierenden Designs mit nur einem Parameter und ermöglicht eine ausgewogene Verbesserung der Wirksamkeit über verschiedene Virusstämme hinweg. Zukünftig kann diese Methode auf andere hochvariable Pathogene wie Influenza und SARS-CoV-2 ausgeweitet und mit KI-vorhergesagten Antigenstrukturen kombiniert werden, um neu auftretenden Escape-Varianten entgegenzuwirken. Die Studie bietet zudem vielversprechende Möglichkeiten zur Optimierung antikörperbasierter Nachweissonden und stellt somit ein effizientes und vielseitiges Werkzeug für die schnelle Reaktion auf plötzliche Virusausbrüche dar.
Die vollständige Studie ist unter DOI: 10.34133/research.1211 abrufbar.
https://spj.science.org/doi/10.34133/research.
