Inmunogenicidad de proteínas recombinantes comparada con el empleo de herramientas bioinformáticas / Immunogenicity of recombinant proteins compared with the use of bioinformatics tools

RESUMEN

Objetivo: para determinar la utilidad de herramientas inmunoinformáticas para detectar péptidos que puedan ser inmunodominantes, y evaluar las diferencias entre las respuestas inmunes de los modelos animales empleados en los estudios preclínicos y en los humanos. Métodos: se modeló la respuesta frente a dos proteínas exógenas la estreptocinasa recombinante y el antígeno de superficie de la hepatitis B. A partir de sus secuencias primarias se emplearon algoritmos para identificar epítopes B y T frente a moléculas HLA de clase I y II (HLA-A*0201, HLA-DRB1*0301 y HLA-DRB1*0701) y los haplotipos murinos H2-Kd y H2-Kk. Se seleccionaron los péptidos de más alta puntuación. Resultados: el algoritmo ABCPred mostró una mejor capacidad de predicción de epítopes B, mientras fue mayor la coincidencia para los programas de modelación de la respuesta T. Los epítopes generados para el haplotipo H2-Kk tuvieron una similitud mayor con los presentados por las moléculas HLA seleccionadas. Conclusiones: se presenta una metodología aplicable al desarrollo de vacunas de subunidades y multiepitópicas, así como para otros fármacos biotecnológicos de naturaleza peptídica, que permite optimizar las etapas preclínicas y clínicas, a muy bajo costo, mínimos requerimientos tecnológicos, utilización óptima de medios, recursos y capital humano disponibles en cualquier institución del sistema nacional de salud

ABSTRACT

Objective: determine the usefulness of immunoinformatics tools to detect potentially immunodominant peptides, and evaluate the differences between the immune responses provided by the animal models used in preclinical and human studies. Methods: modeling was conducted of the response to two exogenous proteins recombinant streptokinase and hepatitis B surface antigen. Based on their primary sequences, algorithms were used to identify B and T epitopes against HLA class I and II molecules (HLA-A*0201, HLA-DRB1*0301 and HLA-DRB1*0701), and murine haplotypes H2-Kd and H2-Kk. The highest scoring peptides were chosen. Results: ABCPred algorithm showed a better prediction capacity for B epitopes, whereas coincidence was greater in modeling programs for the T response. The epitopes generated for haplotype H2-Kk had greater similitude with those presented by the HLA molecules selected. Conclusions: a methodology is presented which is applicable to the development of subunit and multiepitope vaccines, as well as other peptidic biotechnological drugs. This methodology allows optimization of the preclinical and clinical phases at a very low cost, with minimal technological requirements, optimal use of media, and resources and human capital available at any institution of the national health system