Mapeo in silico de regiones ricas en epítopos de células T en el proteoma de SARS-CoV-2: población chilena como caso de estudio

Abstract

Las enfermedades infecciosas emergentes (EIEs) representan una importante amenaza para la economía mundial y la salud pública. Factores como el aumento de la urbanización, globalización, el comercio internacional y/o el cambio climático aumentan la probabilidad de aparición de patógenos emergentes. Esto puede constatarse en la pandemia de COVID-19, así como en brotes previos del síndrome respiratorio agudo severo (SARS), síndrome respiratorio de Oriente Medio (MERS) o la reciente Viruela del mono. La vacunación es la estrategia más poderosa y efectiva para prevenir y controlar las EIEs, sin embargo, el desarrollo de vacunas contras virus emergentes enfrenta múltiples desafíos. Los genes HLA son conocidos por presentar el más alto nivel de diversidad en el genoma humano y son descritos como hiperpolimórficos. Las personas poseen diferentes conjuntos de alelos HLA con especificidades de ligando variables y frecuencias de expresión que difieren sustancialmente, incluso entre etnias, siendo un factor determinante frente a la susceptibilidad o protección de grupos étnicos frente a EIE. Esta investigación abordó el desarrollo de nuevas estrategias computacionales para acelerar el desarrollo de vacunas más seguras y eficientes, particularmente siguiendo el enfoque de vacunas basadas en epítopos, cuyo diseño evita el uso de componentes virales no esenciales y potencialmente tóxicos. La metodología utilizada se basó en el uso del método Predivac-3.0 y otras herramientas inmunoinformáticas para el descubrimiento de epítopos de células T y mapeo in silico de miles de péptidos, como un marco para abordar racionalmente la enorme diversidad de proteínas HLA considerando el componente étnico de proteínas HLA en poblaciones objetivo definidas. En esta tesis se investigó la presencia y distribución de epítopos de células T CD4+ y CD8+ en el proteoma de una variante de SARS-CoV-2 presente en Chile. Para el análisis y comparación de los resultados obtenidos con Predivac-3.0 se construyó una base de datos de epítopos de células T de SARS-CoV-2 determinados experimentalmente (denominada EpitEx). El repositorio construido almacenó 1.210 epítopos de células T de SARS-CoV-2, con 396 epítopos ubicados en proteínas estructurales y 814 epítopos en proteínas codificadas por ORF. En EpitEx también se almacenaron 1.571 restricciones HLA asociadas a estos 1.210 epítopos, de las cuales, 1.469 restricciones se encuentran repartidas en 35 alelos HLA clase I y 102 restricciones repartidas en 15 alelos HLA clase II. Predivac-3.0 identificó una serie de clústeres de epítopos de células T con potencial cobertura poblacional superior al 90% (hotspots), para las poblaciones de Chile y Chile Mixed. Chile Amerindian, a pesar de ser una población de componente étnico reconocido por Predivac-3.0, no presentó clústeres que cumplieran con el criterio para ser considerado hotspots. Las proteínas S, N, M, E, ORF1ab, ORF7a, ORF8, ORF10 yORF6 presentaron potenciales hotspots que presentan una gran cantidad de epítopos presentes en EpitEx, dando lugar a un total de 22 secuencias enriquecidas en epítopos de células T fueron determinadas experimentalmente. Es posible concluir que los ORF6, ORF10 y E son regiones de interés para el desarrollo de una vacuna basada en epítopos escogidos especialmente para la población de Chile, considerando la distribución de los epítopos de células T en los hotspots predichos y la variabilidad reportada en las secuencias aminoacídicas de las proteínas de ARS CoV-2. Estas regiones son potencialmente inmunodominantes para la población chilena y candidatos para etapas posteriores de validación experimental conducente al desarrollo de vacunas de nueva generación.

Emerging infectious diseases (EIDs) represent a major threat to the global economy and public health. Factors such as increased urbanization, world travel, international trade, and/or climate change increase the likelihood of emergence of emerging pathogens. This can be seen in the SARS-CoV-2 pandemic, the recent outbreaks of severe acute respiratory syndrome (SARS), the Middle East respiratory syndrome (MERS) or the recent Monkeypox. Vaccination is the most powerful and effective strategy to prevent and control EIEs, however, the development of vaccines against emerging viruses faces multiple challenges. HLA genes are known to have the highest level of diversity in the human genome and are described as "hyperpolymorphic". People have different sets of HLA alleles with variable ligand specificities and expression frequencies that differ substantially even between ethnic groups, being considered as a factor against the vulnerability or protection of ethnic groups against EIE. This research addressed the development of new computational strategies leading to quicker, safer and more efficient vaccines. Epitope-based vaccination allows for the rational design of immunogens based on short regions or peptides, which avoid non-essential and potentially toxic viral components. Immunoinformatics tools play an important role in accelerating epitope discovery and vaccine design through in silico mapping of thousands of peptides, as well as offering a framework to rationally address the enormous diversity of HLA proteins. In this research, the Predivac-3.0 tool was used to predict CD4+ and CD8+ T-cell epitopes of a variant of SARS-CoV-2 present in Chile. Predivac-3.0 is an immunoinformatics tool providing a computational framework for rational vaccine design based on multiple T-cell epitopes, while considering the ethnic background of HLA proteins in defined target populations. The presence and distribution of CD4+ and CD8+ T cell epitopes in the proteome of a SARS-CoV-2 variant present in Chile was investigated. For the analysis and comparison of the results obtained with Predivac-3.0, a database of experimentally determined SARS-CoV-2 T cell epitopes (called EpitEx) was built. This repository stored 1,210 SARS-CoV-2 T cell epitopes, with 396 epitopes located on structural proteins and 814 epitopes on ORF-encoded proteins. In EpitEx, 1,571 HLA restrictions associated with these 1,210 epitopes were also stored, of which 1,469 restrictions are distributed in 35 HLA class I alleles and 102 restrictions distributed in 15 HLA class II alleles. Predivac-3.0 identified a series of T cell epitope clusters with potential population coverage greater than 90% (hotspots), for the populations of Chile and Chile Mixed. Chile Amerindian, despite being a population of ethnic background recognized by Predivac-3.0, did not present clusters that met the criteria to be considered hotspots. The S, N, M, E, ORF1ab, ORF7a, ORF8, ORF10 and ORF6 proteins presented hotspots presenting a large number of EpitEx epitopes within them, giving a total of 22 experimentally determined T cell epitope-enriched amino acid sequences. It is possible to conclude that ORF6, ORF10 and E are promising regions for the development of vaccines based on T-cell epitopes specially selected for the Chilean population, by considering the distribution of epitopes in the predicted hotspots and the variability reported in the amino acid sequences of SARS-CoV-2 proteins. These regions are thus potentially immunodominant for the Chilean population and candidates for later stages of experimental validation leading to the development of new generation vaccines.