Evaluating H5N1 Vaccine Breadth using Computationally-Designed Proteins

Motivation

• Known: 인플루엔자 백신 평가는 현재 순환하거나 과거에 관찰된 바이러스 변이주에 대해서만 진행되며, 미래에 출현할 변이주에 대한 예측 능력은 제한적이다. 신경망 기반 진화 모델과 단백질 언어 모델이 자연 서열에서 진화 제약을 포착할 수 있음이 알려져 있다.
• Gap: 계산 모델이 미래 바이러스 진화를 예측할 수 있는지, 그리고 이러한 예측을 실험적으로 검증 가능한 백신 평가 도구로 전환할 수 있는지에 대한 구체적인 증거가 부족하다. 또한 전통적인 실험 방법과 비교하여 계산 방법이 백신 탄력성 평가에서 우월성을 입증해야 한다.
• Why: H5N1은 동물 보유소에서 지속적으로 순환하며 포유류로의 유입이 증가하는 팬데믹 위협이다. 기존 백신 재고는 이전 바이러스 클레이드에 대해 개발되었고 현재 유행 변이주에 제한된 보호를 제공한다. 백신의 미래 진화에 대한 사전 평가 능력은 팬데믹 대비를 크게 강화할 수 있다.
• Approach: EVE, Tranception, ESM-1v, SaProt, VESPA 등 6가지 계산 모델을 사용하여 D1.1 계통 진화 중에 발생한 돌연변이 예측 능력을 평가하였다. 항체 결합 부위를 공간적으로 군집화하여 5가지 에피토프를 정의하고, EVE 점수와 함께 소수성, 전하 유사성 등 여러 제약 조건을 통합하여 22개의 VaxVal 변이체를 설계하였다.

Achievement

Computational models forecast H5N1 hemagglutinin evolution. A) Performance of alignment-based models, protein language

• EVE 및 Tranception with retrieval의 높은 예측 성능: 두 모델 모두 D1.1 진화 중 관찰된 돌연변이의 약 80% 재현율 달성, deep mutational scanning 실험(40% 미만)보다 우월
• VaxVal 패널의 항체 회피 특성 규명: 설계된 변이체들이 D1.1 백신 유도 항체 및 광중화 단클론항체에서 회피 능력을 보여줌
• 백신 취약점의 사전 식별 프레임워크 확립: 순환 바이러스 출현 전 잠재적 진화 경로를 계산적으로 예측하고 실험적으로 검증할 수 있는 확장 가능한 플랫폼 제시

How

Computational models forecast H5N1 hemagglutinin evolution. A) Performance of alignment-based models, protein language

• Alignment-based 모델(EVE)과 protein language model의 비교 평가
• H5N1 D1.1 계통의 과거 진화에 기반한 계산 모델 벤치마킹
• 항체 결합 부위의 구조적 클러스터링을 통한 에피토프 정의
• EVE 점수, 소수성 차이, 용매 접근성 등을 통합한 복합 스코어링으로 변이체 순위 지정
• 공간적으로 밀집된 대체 피하기 위해 10 Å 이상 거리 제약 적용

Originality

• 계산 예측과 실험 검증의 통합: 미래 진화 예측을 직접 백신 평가 도구로 전환하는 혁신적 접근
• 다중 제약 조건 통합 설계 전략: 진화 적합성, 항체 결합, 단백질 특성 등을 체계적으로 결합한 설계 방법론
• 대규모 계산 모델 비교: 6가지 주요 계산 방법을 동일 조건에서 벤치마킹하여 상대적 강점 규명

Limitation & Further Study

• VaxVal 패널은 D1.1 계통만을 기반으로 설계되어, 다른 H5N1 클레이드나 다른 인플루엔자 아형에 대한 일반화 가능성이 제한적일 수 있다.
• 논문에서 완전한 백신 임상 효능 데이터가 제시되지 않으며, 항체 회피 검증이 제한된 수의 단클론항체에만 초점을 맞추고 있다.
• 설계된 변이체가 실제로 자연적으로 출현할 확률이나 다른 환경 조건 하에서의 적합성에 대한 평가 부재.
• 계산 모델의 예측이 미래에 실제로 무엇이 진화할지를 결정하지는 않으며, 선택 압력의 완전한 모델링이 어려움.

Evaluation

총평: 본 논문은 계산적으로 설계된 단백질을 사용한 백신 평가라는 혁신적 프레임워크를 제시하고, 여러 계산 모델을 체계적으로 벤치마킹하여 강력한 과학적 근거를 제공한다. VaxVal 패널의 실험적 검증과 확장 가능한 플랫폼 개발은 팬데믹 대비를 위한 실질적 기여이다. 다만 단일 계통 기반 설계의 일반화 가능성과 자연적 출현 확률에 대한 평가 보완이 필요하다.