Scientific Reports于2月5日发表了南加利福尼亚大学的文章“An in silico deep learning approach to multi-epitope vaccine design: a SARS-CoV-2 case study”，文章描述了SARS-CoV-2多表位疫苗设计的计算机深度学习方法。
该研究提出了一种计算机深度学习方法，用于预测和设计多表位疫苗（DeepVacPred）。通过结合计算机免疫信息学和深度神经网络策略，DeepVacPred计算框架可从可用的SARS-CoV-2刺突蛋白序列直接预测26个潜在的疫苗亚单位。进一步使用计算机方法研究了26个亚单位候选物中的线性B细胞表位、细胞毒性T淋巴细胞（CTL）表位、辅助T淋巴细胞（HTL）表位，并筛选出11个最佳的表位，构建SARS-CoV-2多表位疫苗。通过最先进的生物信息学方法对所设计疫苗的人群覆盖率、抗原性、致敏性、毒性、理化特性和二级结构进行了评估，显示出所设计疫苗的优良品质。通过计算机软件多所设计的疫苗的3D结构进行预测、改进和验证。最后对密码子序列进行优化并插入到质粒中，以保证克隆和表达效率。综上所述，研究提出的基于人工智能（AI）的疫苗发现框架，加速了疫苗设计的进程，构建了包含16个B细胞表位、82个CTL表位和89个HTL表位的694aa多表位疫苗，有望用于抗击SARS-CoV-2感染，并可进一步用于临床研究。研究还追踪了SARS-CoV-2的RNA突变，并确保设计的疫苗可以应对病毒的最新RNA突变。
原文链接：https://www.nature.com/articles/s41598-021-81749-9
