Autor: Dinler Antunes, pós-doutorando no Departamento de Ciências da Computação da Rice University, no Texas/EUA.
Em posts anteriores eu apresentei trabalhos desenvolvidos pelo Núcleo de Bioinformática do Laboratório de Imunogenética (NBLI/UFRGS), com foco na análise estrutural de complexos peptídeo:MHC (pMHC) e na predição de reatividade cruzada de linfócitos T (imunologia in silico, imunidade heteróloga). O grupo continua desenvolvendo esta linha de pesquisa, aprimorando uma metodologia para agrupar alvos virais com base na similaridade estrutural no contexto do MHC. Complexos pMHC estruturalmente semelhantes, apresentam maior probabilidade de ativar uma mesma população de linfócitos e, por outro lado, esta probabilidade é muito baixa para complexos muito diferentes.
Em sua publicação mais recente (Mendes et. al, 2015), o grupo descreve uma versão aprimorada desta metodologia. Inicialmente, a estrutura dos alvos de interesse é predita, no contexto do MHC, utilizando uma metodologia baseada em ancoramento molecular (docking). Avaliando cristais de complexos TCRpMHC, o grupo identificou uma série de resíduos frequentemente envolvidos no reconhecimento dos alvos de linfócitos T, informação que foi utilizada para guiar a análise dos complexos modelados. Estes resíduos conservados, ou "regiões de interesse", foram utilizados para extrair dados estruturais, como área de acessibilidade ao solvente e potencial eletrostático na superfície molecular. Uma vez extraídos, estes dados foram utilizados em uma análise de agrupamento hierárquico (HCA, do inglês Hierarchical Cluster Analysis), revelando os complexos mais semelhantes. Outra inovação neste trabalho, diz respeito ao uso do pacote pvclust (linguagem R) para a geração do HCA. Além de realizar o agrupamento, este pacote fornece duas medidas de confiabilidade (bootstrap) para cada nó da árvore, permitindo a fácil identificação dos agrupamentos mais confiáveis.
Neste estudo piloto, foram avaliados um conjunto de alvos do vírus da Dengue e um grupo de epitopos de HCV. Este conjunto de HCV já havia sido abordado em trabalhos anteriores, permitindo a comparação direta com a nova metodologia. O resultados são coerentes com dados experimentais e oferecem uma forma inovadora de prospectar candidatos a reatividade cruzada (Figura 1), com implicações diretas para o desenvolvimento de vacinas.
A etapa de modelagem dos complexos demanda maiores recursos computacionais e é realizada utilizando um protocolo próprio, mas o grupo está nas etapas finais de desenvolvimento de uma ferramenta automatizada e gratuita. O desafio seguinte diz respeito a aplicação desta técnica em larga escala, para modelagem e análise de redes de reatividade cruzada previamente descritas em trabalhos experimentais. Estes resultados serão utilizados para refinar a técnica de agrupamento baseado em estrutura e permitir o futuro desenvolvimento de uma ferramenta de predição de reatividade cruzada.
Figura 1. Agrupamento hierárquico de alvos virais no contexto do MHC humano HLA-A*02:01. Este conjunto inclui 8 alvos de Dengue e 28 alvos de HCV. No caso da Dengue, reatividade cruzada foi confirmada entre alvos da proteína NS4b. No caso do HCV, reatividade cruzada foi observada entre o tipo selvagem (G1.01) e variantes dos genótipos 4, 5 e 6 (ex.: G4.21, G5.22 e G6.28). De acordo com dados experimentais, o genótipo 1 incluía alguns indivíduos que não apresentavam reatividade cruzada com o tipo selvagem (ex.: G1.04). Modificado de Mendes et. al, 2015.
