基于机器学习的细菌保护性抗原自动筛选系统研究

Reverse Vaccinology has been a pivotal approach for vaccine design that applied to various pathogens in recent years. However, problems do exist with this approach. It utilized few factors in protective antigens screening that lead to the restriction of prediction accuracy and broad coverage of candidate antigens. Moreover, the analysis process is tedious and the degree of integration is limited, which brings difficulties to the practical application of researchers. In previous study, we have established a comprehensive multi-factors method to predict and screen bacterial protective antigens which called "Multi-factors Prediction of Protective Antigens (MPPA)" and developed the MPPA 1.0 software. . On this basis, this project intends to incorporate 4 Machine Learning algorithms to create a rapid, accurate and automated system for bacterial protective antigen screening that could improve the prediction accuracy and reduce the coverage of candidate antigens, and also contribute to the rapid application of researchers. This system was then applied to Bacillus anthracis and Brucella followed by immunological evaluation of 3-5 new candidate antigens. Our research could provide a rapid method for bacterial protective antigen screening, which contribute to shorten the process and enhance the capacity of emergent vaccine development for infectious disease.

反向疫苗学逐渐成为研制新型疫苗的重要方法，广泛的应用到各种病原体的疫苗研制中。但现有方法还存在一定局限，主要是保护性抗原预测中考虑因素较为单一，导致预测准确度不高、候选抗原范围过广，且分析过程繁琐、集成化程度不高，给研究者的实际应用带来困难。在前期工作中，我们采用综合多个因素的方法对细菌保护性抗原进行预测筛选，建立了“多因素保护性抗原预测方法（MPPA）”，并完成了MPPA 1.0集成软件的构建。.本项目拟在此基础上引入机器学习模块，采用四种代表性机器学习算法并进行系统集成，打造快速、准确、自动化的细菌保护性抗原自动筛选系统，以提高抗原预测准确性并较小预测范围，方便研究者进行快速应用。将该系统应用在炭疽杆菌与布鲁氏菌这两种重要细菌病原体上，完成3-5个新发现候选抗原的免疫学初步评价。本项目将提供细菌保护性抗原的快速筛选方法，有助于缩短疫苗研发的进程，为提升传染病疫苗的应急研制能力做出贡献。

反向疫苗学逐渐成为研制新型疫苗的重要方法，广泛的应用于各种病原体的疫苗研制中。但现有方法仍然存在预测准确度不高、候选抗原范围过广、且分析过程繁琐、集成化程度不高等问题，给研究者的实际应用带来困难。本课题在前期已建立的多因素保护性抗原预测方法MPPA 基础上，通过收集已知抗原信息形成高质量数据集，并采用四种代表性机器学习算法与集成算法进行模型构建，开发出MPPA-Machine Learning 1.0软件用于细菌保护性抗原的自动筛选。经已知抗原数据库评估，该软件保护性抗原预测准确率达到91%，具有较好的抗原预测效果。.为了验证反向疫苗学方法的有效性，本课题在代表性革兰氏阴性病原菌布鲁氏菌和阳性病原菌炭疽杆菌上进行了应用。通过对布鲁氏菌104M株进行保护性抗原预测，筛选并初步验证到外膜蛋白Omp19与Ⅳ型分泌系统蛋白VirB8具有一定的免疫保护效果，是潜在的布鲁氏菌保护性抗原，可作为新型布鲁氏菌亚单位疫苗的候选组分。通过对炭疽杆菌Ames株进行保护性抗原预测，筛选并初步验证到胞壁绑定蛋白WLP与细胞壁肽酶NlpC具有一定的免疫保护效果，是潜在的炭疽杆菌保护性抗原，可作为新型炭疽亚单位疫苗的候选组分。.本课题初步建立了一种基于机器学习的快速、准确、自动化的细菌保护性抗原筛选系统，有助于快速发现疫苗靶标抗原，缩短新型疫苗研发周期。在实际应用中获得了炭疽杆菌、布鲁氏菌多个有效的疫苗候选保护性抗原，为炭疽杆菌、布鲁氏菌新型疫苗研制提供了靶标基础。该项目共发表论文3篇；培养硕士研究生2名；申请国家发明专利2项，其中1项授权；获得国家软件著作权2项。