Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: https://tede2.pucrs.br/tede2/handle/tede/10538
Tipo do documento: Dissertação
Título: Desenvolvimento de plataforma para produção de vacina baseada em BCG recombinante (rBCG) para a prevenção de infecções por SARS-CoV-2
Autor: Vara, Pedro Henrique Negreiros
Primeiro orientador: Bizarro, Cristiano Valim
Resumo: A melhoria contínua no processo de desenvolvimento de vacinas é um passo extremamente importante para mitigar os efeitos da doença COVID-19, infecção causada pelo SARS-CoV-2 e suas variantes, em diversas regiões do mundo. A Mycobacterium bovis BCG recombinante (rBCG) é promissora para um protocolo de vacinação prime-boost heteróloga para infecções virais. Consequentemente, a combinação de estratégias de imunoinformática e redes neurais permite avaliar potenciais candidatos a vacinas com um método econômico e conveniente, uma vez que as previsões in silico podem reduzir o número de experimentos de laboratório necessários para sua validação. Neste estudo, identificamos as regiões mais conservadas para 10 proteínas diferentes do SARS-CoV-2, e usando uma abordagem de deep learning (aprendizagem profunda) in silico, identificamos subunidades de vacina antigênicas contendo epítopos lineares de células B, epítopos de linfócitos T citotóxicos (CTL) e epítopos de linfócitos T auxiliares epítopos (HTL) e desenvolvemos um plasmídeo para um vetor bacteriano vivo para uma vacina recombinante. O candidato final foi construído com 12 subunidades de vacina unidas por ligantes AAY e GPGPG, e contém 13 epítopos de células B lineares, 10 epítopos de células B conformacionais, 76 epítopos de CTL e 39 epítopos de HTL. A cobertura populacional para os epítopos CTL e HTL combinados foi estimada em 98,49%. Testes in silico foram realizados para validar a qualidade da vacina, mostrando que a proteína recombinante multiepitópica é antigênica, não alergênica e com propriedades físico-químicas adequadas. As estruturas secundária e terciária (3D) da vacina final também foram previstas, e sua interação com os receptores imunes (TLR3 e TLR4) avaliada por docagem molecular. Além disso, os resultados da simulação imunológica indicam que a vacina pode elicitar forte imunidade celular e humoral contra o vírus. Por fim, a otimização de códons foi realizada com o propósito de se obter maior eficiência de expressão gênica e, com isso, de produção da vacina recombinante. A vacina rCPBMFMEV requer validação experimental e clínica, mas mostra indicadores promissores de que pode combater a infecção viral SARS-CoV-2.
Abstract: The continuous improvement in the vaccine development process is an extremely important step to mitigate the effects of the COVID-19 disease, an infection caused by SARS-CoV-2 and its variants, over varied regions in the world. A recombinant Mycobacterium bovis BCG (rBCG) is promising for a heterologous prime-boost vaccine protocol for virus infections. Consequently, the combination of immunoinformatic and deep neural network strategies make it possible to evaluate potential vaccine candidates with a cost-effective and convenient method, since in silico predictions can reduce the number of experiments needed for its validation. In this study, we identified the most conserved regions for 10 different SARS-CoV-2 proteins and by using an in silico deep learning approach identified antigenic vaccine subunits containing linear B-cell epitopes, cytotoxic T lymphocyte epitopes (CTL) and helper T lymphocyte epitopes (HTL) and developed a plasmid for a live bacterial vector for a recombinant vaccine. The final candidate was constructed with 12 vaccine subunits spliced together by AAY and GPGPG linkers, with 13 linear B-cell epitopes, 10 conformational B-cell epitopes, 76 CTL epitopes and 39 HTL epitopes. The population coverage for the combined CTL and HTL epitopes was estimated to be 98.49%. In silico tests were performed to validate the vaccine quality, showing that the multi-epitope recombinant protein is antigenic, non-allergenic and with adequate physicochemical properties. The secondary and tertiary (3D) structure of the final vaccine was also predicted, and its interaction with immune receptors (TLR3 and TLR4) evaluated by molecular docking. Additionally, results for the immune simulation indicate that the vaccine may elicit strong cellular and humoral immunity against the virus. Finally, codon optimization was performed to improve gene expression and, as a consequence, improve production of the recombinant vaccine. The rCPBMFMEV vaccine requires experimental and clinical validation but shows promising indicators that it can fight the SARS-CoV-2 viral infection.
Palavras-chave: Vacina
SARS-CoV-2
COVID-19
rBCG
Multiepitópica
DNA
Vaccine
Subunit
Multi-epitope
COVID-19
SARS-CoV-2
rBCG
Área(s) do CNPq: CIENCIAS BIOLOGICAS::BIOLOGIA GERAL
Idioma: por
País: Brasil
Instituição: Pontifícia Universidade Católica do Rio Grande do Sul
Sigla da instituição: PUCRS
Departamento: Escola de Ciências Saúde e da Vida
Programa: Programa de Pós-Graduação em Biologia Celular e Molecular
Tipo de acesso: Acesso Aberto
Restrição de acesso: Trabalho será publicado como artigo ou livro
Prazo para liberar texto completo: 60 meses
Data para liberar texto completo: 03/11/2027
URI: https://tede2.pucrs.br/tede2/handle/tede/10538
Data de defesa: 29-Ago-2022
Aparece nas coleções:Programa de Pós-Graduação em Biologia Celular e Molecular

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DIS_PEDRO_HENRIQUE_NEGREIROS_VARA_CONFIDENCIAL.pdfPEDRO_HENRIQUE_NEGREIROS_VARA_DIS481,2 kBAdobe PDFThumbnail

Baixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.