大數據方法應用於 HIV 包膜蛋白的適應度景觀

適應度景觀計算模擬HIV包膜蛋白

儘管醫學上在艾滋病治療上取得了重大進展，但仍然沒有有效的疫苗用於治療人類免疫缺陷病毒（HIV）感染。雖然近些年發現能夠中和各種HIV病毒株的抗體，然而，HIV病毒有時可以通過突變途徑逃避已知的廣泛中和抗體反應，這使得設計一種有效的治療方案變得更加困難。

被認為理想的一種疫苗是對病毒突起蛋白產生的廣泛中和抗體，那裡通常是病毒接近宿主細胞的首要接觸點，如果突變會嚴重影響病毒的適應性或複製能能力。這需要了解適應度景觀，從序列到適應度的映射。為了實現這一目標，來自香港科技大學的數據科學家和他們來自麻省理工學院的合作者採用了一種計算的方法來估計包含HIV病毒的多聚蛋白gp160的適應度景觀。然後，通過與不同的實驗測量進行比較，驗證了推斷的景觀。

他們的發現發表在2018年1月的《 pnasin 》雜誌上。

"如果沒有大數據機器學習方法, 就不可能做出這樣的預測,"雷蒙德?路易(Raymond Louie)說, 他是香港科技大學高級研究院初級研究員及電子及電腦工程學系助理教授。 "估計參數接近440萬個。"

該小組處理的數據包括來自1918名艾滋病毒感染者的815個殘留物和20043個序列。

科大電子與計算機工程與生物工程系副教授、合著者馬修·麥凱(Matthew McKay)說：「這種計算方法給我們提供了快速、準確的結果。這些發現可以幫助生物學家提出新的免疫原和疫苗接種方案，迫使病毒突變到不適合的狀態，以逃避免疫應答，而免疫應答可能會阻礙或限制病毒的感染。」

「雖然這種方法的開發是為了解決gp160蛋白引起的具體挑戰，我們無法用我們開發的方法來獲得其他HIV蛋白的適應度景觀，這種方法是一般的，可以應用於其他高維度， 最大熵推斷問題，具體來說，我們的適應度景觀可以在未來的臨床上應用於聯合治療和免疫原設計的選擇。「

「這是一項多學科研究，提出了應用數據科學，特別是大數據機器學習方法，以解決生物學中的一個具有挑戰性的問題，」McKay說。

原 文 出 處

Big data methods applied to the fitness landscape of the HIV envelope protein

感謝閱讀，分享給朋友

版權聲明

本文系HIVnews公眾平台文章，請使用「分享圖文」分享本文，未獲得作者授權禁止一切轉載行為，轉載請聯繫公眾平台獲取授權，如有發現擅自轉載，一律舉報並追究法律責任。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！