tooluniverse-vaccine-design

ワクチン設計

エピトープ予測、集団カバー率の最適化、免疫原性評価を通じて、ペプチド／サブユニットワクチン候補を設計する計算パイプラインです。

推論戦略

ワクチン設計では、防御免疫を誘導する適切なエピトープを提示する必要があります。単なる免疫応答ではなく、中和性があり、持続的で、幅広く適用できる応答を誘導する必要があります。T細胞ワクチンでは、中心となるツールはMHC結合予測（IEDBツール）です。複数のHLAアレルに対するペプチド-MHC親和性を予測し、次に標的集団を幅広くカバーするエピトープを選択します。抗体ワクチンでは、表面に露出した保存領域を優先します。深く埋もれた領域や超可変領域は、抗体の標的として適していません。MHC結合は免疫原性と同じではありません。結合性の高い候補の多くは、免疫寛容、プロセシングの不良、T細胞ヘルプの欠如により、生体内では免疫原性を示しません。単一エピトープよりも、MHC-IによるCD8+ CTL応答、MHC-IIによるCD4+ヘルパー応答、B細胞エピトープによる抗体誘導を組み合わせたマルチエピトープ戦略のほうが堅牢です。病原体株間での保存性は非常に重要です。免疫圧によって変異するエピトープ（HIVエンベロープの超可変領域など）は、ワクチン標的として適していません。

推測せずに調べる：MHC結合や集団カバー率を記憶から予測しないでください。T細胞予測には IEDB_predict_mhci_binding ／ IEDB_predict_mhcii_binding、抗体（B細胞）エピトープ予測には IEDB_predict_bcell_epitopes、実験で検証済みのデータには iedb_search_epitopes を使用してください。病原体の表面に何があるかを思い込みで判断せず、UniProtまたはBVBRCから注釈付き配列を取得してください。

主な原則：

1. エピトープ主導 — ワクチンはT細胞／B細胞にエピトープを提示することで機能します。まずエピトープ予測から始めてください
2. 集団カバー率が重要 — HLAの多様性により、単一のエピトープでは全員をカバーできません。幅広くカバーできるよう設計してください
3. マルチエピトープのほうが優れています — CD8+（MHC-I）とCD4+（MHC-II）のエピトープを組み合わせ、堅牢な免疫を実現します
4. 保存性が幅広い防御につながります — 株間で保存されたエピトープは、交差防御免疫をもたらします
5. エビデンスの評価 — T1：臨床試験データ、T2：生体内免疫原性、T3：試験管内結合、T4：計算予測のみ

---

使用する場面

• 「[病原体]に対するワクチンを設計してください」
• 「[タンパク質]のT細胞エピトープを予測してください」
• 「[タンパク質]にはどのようなMHC-Iエピトープがありますか？」
• 「これらのエピトープの集団カバー率を評価してください」
• 「[病原体]の株間で保存されたエピトープを見つけてください」

このスキルの対象外：HLAタイピングまたはアレル頻度のみを調べる場合は、tooluniverse-hla-immunogenomics を使用してください。抗体エンジニアリングには、tooluniverse-antibody-engineering を使用してください。

---

コアツール

ツール	用途
IEDB_predict_bcell_epitopes	配列から線形B細胞（抗体）エピトープを新規予測（BepiPred/Emini/…）
iedb_search_epitopes	実験で検証済みのエピトープを検索
iedb_get_epitope_mhc	詳細なエピトープデータ（アッセイ結果、MHC拘束性）を取得
iedb_search_mhc	検証済みMHC結合アッセイデータを検索
IEDB_predict_mhci_binding	MHC-I結合を予測（NetMHCpan EL；順位 < 0.5% = 強い結合）
IEDB_predict_mhcii_binding	MHC-II結合を予測（NetMHCIIpan EL；CD4+ヘルパーエピトープ）
UniProt_get_entry_by_accession	抗原タンパク質配列を取得
UniProt_search	病原体のタンパク質配列を検索
BVBRC_search_genome_features	病原体のプロテオームを検索
alphafold_get_prediction	抗原の3D構造を取得／予測
EnsemblVEP_annotate_hgvs	変異体間でのエピトープ保存性を確認
PubMed_search_articles	公開済みのワクチン研究を検索
search_clinical_trials	進行中のワクチン臨床試験を検索

---

ワークフロー

Phase 0: Antigen Selection
  Pathogen → essential surface proteins → sequence retrieval
    |
Phase 1: T-Cell Epitope Prediction
  MHC-I (CD8+ CTL) and MHC-II (CD4+ helper) binding prediction
    |
Phase 2: B-Cell Epitope Prediction
  Linear and conformational B-cell epitopes for antibody response
    |
Phase 3: Population Coverage
  HLA allele frequencies → design for target population
    |
Phase 4: Conservation Analysis
  Cross-strain epitope conservation → broad protection
    |
Phase 5: Candidate Assembly & Report
  Multi-epitope construct design → immunogenicity assessment

フェーズ 0：抗原の選定

ワクチンに最適な抗原：病原体の機能に不可欠で、表面に露出し、株間で保存されているものです。

# Find pathogen surface proteins
UniProt_search(query="[organism] AND locations:(location:cell surface) AND reviewed:true")
# Or search BVBRC for annotated pathogen proteomes
BVBRC_search_genome_features(keyword="surface protein", genome_id="[taxon_id]")

抗原の優先順位付け：細胞質内のものより、表面に露出したもの（分泌型／外膜）を優先します。株間での保存率が 95％を超え、病原体の生存に不可欠で、自然感染で免疫原性が確認されているものを選びます。UniProt の細胞内局在アノテーションと PubMed を使って、これらの特性を確認します。

フェーズ 1：T 細胞エピトープの予測

MHC-I エピトープ（CD8+ 細胞傷害性 T 細胞 — 感染細胞を殺傷）：

# Option A: Search for KNOWN validated epitopes from IEDB
iedb_search_mhc(
    mhc_class="I",
    qualitative_measure="Positive",
    filters={"source_organism_iri": "eq.NCBITaxon:2697049"},  # SARS-CoV-2
    select=["linear_sequence", "mhc_restriction", "qualitative_measure"],
    limit=50
)

# Option B: PREDICT novel peptide binding (recommended for new proteins)
IEDB_predict_mhci_binding(
    sequence="YOUR_PROTEIN_SEQUENCE",  # full protein or peptide
    allele="HLA-A*02:01",             # or H-2-Kd for mouse
    method="netmhcpan_el",            # EL = eluted ligand (recommended)
    length=9                           # 8-11 for MHC-I
)
# Returns peptides ranked by percentile_rank:
# < 0.5% = strong binder (include in vaccine)
# 0.5-2% = moderate binder (consider)
# > 2% = weak/non-binder (exclude)

MHC-II エピトープ（CD4+ ヘルパー T 細胞 — B 細胞と CD8+ T 細胞を活性化）：

iedb_search_mhc(
    mhc_class="II",
    qualitative_measure="Positive",
    filters={"source_organism_iri": "eq.NCBITaxon:2697049"},
    limit=50
)

結合親和性の解釈：

IC50 (nM)	分類	ワクチンとの関連性
< 50	強い結合	採用 — 提示される可能性が高い
50-500	中程度の結合	検討 — 免疫応答に寄与する可能性がある
500-5000	弱い結合	除外 — 提示される可能性が低い
> 5000	非結合	除外

HLA スーパータイプ戦略：幅広いカバー率を得るため、HLA スーパータイプに対して予測します。

• A2 スーパータイプ（A02:01, A02:06, A*68:02）— 世界人口の約 40％をカバー
• A3 スーパータイプ（A03:01, A11:01, A*31:01）— 約 25％をカバー
• B7 スーパータイプ（B07:02, B35:01, B*51:01）— 約 25％をカバー
• A2 + A3 + B7 + B44 の組み合わせ — ほとんどの集団の 90％超をカバー

フェーズ 2：B 細胞エピトープの予測

B 細胞エピトープは抗体産生を誘導します。次のものを探します。

• 線状エピトープ：連続したペプチド配列（合成が容易）
• 立体構造エピトープ：3D 表面パッチ（構造データが必要）

# De-novo predict LINEAR B-cell epitopes along the antigen sequence (BepiPred).
# Returns contiguous predicted epitope regions + per-residue scores.
IEDB_predict_bcell_epitopes(sequence="[antigen_aa_sequence]", method="Bepipred")
# Cross-check against KNOWN experimentally validated epitopes
iedb_search_epitopes(query="[protein_name]", epitope_type="B cell")
# Get structure for conformational epitope prediction
alphafold_get_prediction(uniprot_id="[accession]")

B 細胞エピトープの基準：表面に露出したループ、親水性領域、柔軟な領域（B 因子が高いもの）を選びます。構造中の表面に露出したループにも位置する IEDB_predict_bcell_epitopes 領域を優先します。method 引数では、Emini（表面アクセス性）、Kolaskar-Tongaonkar（抗原性）、Parker（親水性）も使用できます。

フェーズ 3：集団カバー率

ToolUniverse には HLA 頻度ツールがありませんが、カバー率の計算は scripts/population_coverage.py にまとめられています。選択したエピトープが結合する HLA アレルを渡すと （IEDB_predict_mhci/mhcii_binding の結果から取得）、カバーされる集団の割合を得られます。

# Broad first-pass estimate (bundled average frequencies):
python scripts/population_coverage.py --alleles "HLA-A*02:01,HLA-A*01:01,HLA-A*03:01,HLA-A*24:02,HLA-B*07:02,HLA-B*08:01,HLA-B*44:02"
# -> {"overall_coverage": 73.6, "per_locus_coverage_pct": {"A": 62.9, "B": 28.9}, ...}

# Population-SPECIFIC: supply real allele frequencies (ALLELE<TAB>FREQ) for the
# target ethnicity from the Allele Frequency Net Database (allelefrequencies.net)
# or the IEDB population-coverage tool (tools.iedb.org/population):
python scripts/population_coverage.py --alleles-file covered.txt --freq-file afnd_han_chinese.tsv

同梱のデフォルト値は幅広い集団の概算平均です。特定の民族のカバー率として報告しないでください。民族別のカバー率を求める場合は、AFND/IEDB のデータを使って --freq-file を指定します。また、エピトープセットが一般的なスーパータイプを網羅するよう、HLA スーパータイプ戦略も使用してください。

集団カバー率の目標：

カバー率	解釈	対応
>90%	非常に優れている — ほとんどの人にワクチンが有効	開発に進む
70-90%	良好 — ほとんどの人をカバーするが、一部の集団は十分にカバーされない	カバーされない HLA 型に対応するエピトープを追加
50-70%	中程度 — 大きな不足がある	より広い HLA カバー率を目指して再設計
<50%	低い — 対象から漏れる人が多すぎる	根本的な再設計が必要

フェーズ 4：保存性の分析

エピトープが病原体の株／変異株間で保存されているかを確認します。

# Search for protein variants across strains
PubMed_search_articles(query="[pathogen] [protein] sequence variation strains")
# Check specific mutations in epitope regions
EnsemblVEP_annotate_hgvs(hgvs_notation="[variant_in_epitope]")

保存性の解釈：

• 既知のすべての株で 100％保存 → 理想的なワクチン標的
• 95％超保存 → 良好な標的。新たな変異株を監視します
• 80〜95％保存 → コンストラクトに株特異的な変異体を含める必要がある場合があります
• 80％未満保存 → 回避します。病原体が進化し、このエピトープを回避するため

フェーズ 5：候補の組み立てとレポート

マルチエピトープ構築体の設計原則：

1. MHC-I エピトープを 3～5 個含めます（CD8+ 応答）
2. MHC-II エピトープを 2～3 個含めます（CD4+ ヘルパー応答）
3. B 細胞エピトープを 1～2 個含めます（抗体応答）
4. 適切なリンカーで連結します（MHC-I には AAY、MHC-II には GPGPG）
5. 必要に応じてアジュバント配列を追加します（例：TLR5 用のフラジェリン領域）

レポートの構成：

1. 抗原の選定 — 根拠、保存性、必須性
2. エピトープマップ — 結合親和性と HLA 制限を含む、予測されたすべてのエピトープ
3. 上位エピトープ — 結合強度 × 保存性 × 集団カバー率に基づくランキング
4. 集団カバー率 — 世界の主要な集団ごとのカバー率（%）
5. 保存性分析 — 株のカバー範囲、免疫逃避リスクの評価
6. 構築体の設計 — リンカーを含むマルチエピトープ配列
7. 臨床的先例 — 関連抗原を対象とする既存のワクチン／治験
8. 制限事項 — 予測のみ（T4 のエビデンス）であり、実験的な検証が必要です

---

制限事項

• すべての予測は計算によるものです（T4 のエビデンス）。臨床開発に進む前に、実験的な検証（結合アッセイ、免疫原性研究）が必要です
• 免疫原性は保証されません — MHC 結合は免疫原性を意味しません。優れた結合能を持つものでも、生体内で免疫原性を示さないことが多くあります
• B 細胞エピトープの予測は T 細胞エピトープより信頼性が低く、立体構造エピトープには正確な構造情報が必要です
• アジュバントの最適化は行いません — アジュバントの選定には実証的な試験が必要です
• 病原体の免疫回避 — 急速に進化する病原体（HIV、インフルエンザ）は、エピトープベースのワクチンから逃れる可能性があります