에피토프 기반 백신을 위한 최적 펩타이드 세트 선택을 위한 수학적 프레임워크

에피토프 기반 백신(EVs)은 치료적 접근부터 예방적 접근, 감염병에서 암까지 다양한 응용이 있습니다. EV의 개발은 면역원성 펩타이드인 에피토프가 유래되는 표적 특이적 항원에 대한 지식에 기반합니다. 이러한 에피토프는 EV의 핵심 구성 요소를 형성합니다. 규제, 경제적, 실용적 우려로 인해 EV에 포함할 수 있는 에피토프의 수는 제한되어 있습니다. 또한, 이러한 에피토프를 결합하는 주요 조직적합성 복합체(MHC)는 고도로 다형적이기 때문에, 환자마다 서로 다른 특성을 가진 MHC 클래스 I 및 클래스 II 분자의 집합을 보유하고 있습니다. 따라서 한 사람에게 효과적인 펩타이드 조합이 다른 사람에게는 완전히 비효과적일 수 있습니다. 이는 이러한 에피토프의 최적 선택을 중요한 흥미로운 최적화 문제로 만들습니다. 이 연구에서는 정수 선형 프로그래밍(ILP)에 기반한 수학적 프레임워크를 제시하여 백신 설계 문제의 다양한 종류를 형성하고 최적의 에피토프 세트를 효율적으로 식별할 수 있도록 합니다. 사용자 정의 세트에서 예측되거나 실험적으로 결정된 에피토프 중에서, 이 프레임워크는 광범위하고 강력한 면역 반응을 유도할 최대 가능성을 가진 세트를 선택합니다. 우리의 ILP 접근법은 EV 설계 문제의 많은 변형을 우아하고 유연하게 형성할 수 있게 합니다. 이를 보여주기 위해, 우리는 좋은 EV에 대한 일반적인 면역학적 요구 사항(예: 각 항원에서 에피토프의 범위, 세트에서 모든 MHC 대립유전자의 범위, 또는 높은 변이율을 가진 에피토프의 회피)을 ILP 프레임워크 내에서 제약이나 목표 함수의 수정으로 변환할 수 있는 방법을 보여줍니다. 알고리즘의 구현은 단순한 탐욕 전략과 이전에 제안된 진화 알고리즘보다 성능이 우수하며, 일반적인 문제 크기에 대해 초 단위의 실행 시간을 가집니다.