Diseño computacional de una vacuna candidata personalizada de ARNm a partir de datos del exoma de un único caso de cáncer de mama
Diseño de una vacuna personalizada evaluado con datos públicos del exoma
Un estudio analizó datos públicos de un caso de cáncer de mama de Pakistán, seleccionó siete neoantígenos candidatos y diseñó computacionalmente un antígeno que los incorpora para una vacuna personalizada de ARNm. Se trata de una prueba de concepto basada en un único caso; no demuestra una respuesta inmunitaria ni un beneficio terapéutico de una vacuna real.
Los investigadores señalaron el aumento de la incidencia y la mortalidad por cáncer de mama entre las mujeres de Pakistán como contexto para estudiar la inmunoterapia personalizada. Utilizaron datos públicos de secuenciación del exoma completo (WES) de una cohorte de la región de Khyber Pakhtunkhwa. Los datos están registrados en el BioProject PRJNA941166 del Centro Nacional de Información Biotecnológica de Estados Unidos (NCBI). El estudio se centró en mostrar un procedimiento de diseño de vacunas personalizadas mediante el análisis de todas las ejecuciones de secuenciación vinculadas al único caso disponible.
Selección de siete candidatos entre más de 43 000 péptidos variantes
El análisis de variantes somáticas identificó 6005 variantes de cambio de sentido que alteran aminoácidos en genes como MUC3A y TTN. De más de 43 000 péptidos variantes candidatos, los investigadores priorizaron siete neoantígenos que, según las predicciones, se unirían con fuerza al antígeno leucocitario humano (HLA) y no serían alergénicos. El umbral indicado para la energía de unión al HLA fue ΔG ≤ −13,0 kcal/mol. Son resultados de selección computacional; no significan que se haya confirmado la presentación de antígenos ni una respuesta inmunitaria en la paciente.
Los epítopos seleccionados —las regiones del antígeno reconocidas por el sistema inmunitario— se combinaron con un adyuvante de factor estimulante de colonias de granulocitos y macrófagos (GM-CSF) y epítopos colaboradores. El antígeno multiepitópico diseñado tiene una longitud de 285 aminoácidos.
El modelo estructural de AlphaFold2 y las evaluaciones computacionales de calidad arrojaron una puntuación Z de ProSA de −7,14 y un valor ERRAT de 96,59 %. Los investigadores interpretaron estos resultados como respaldo de la estabilidad de la estructura diseñada. También informaron que la estructura se mantuvo estable en una simulación de dinámica molecular de 500 nanosegundos. Se predijeron interacciones con los receptores de la inmunidad innata conocidos como receptores tipo Toll (TLR); las energías libres de unión fueron −148,8 kcal/mol para TLR9 y −16,7 kcal/mol para TLR2. Estos resultados computacionales no demuestran una activación real de los receptores ni eficacia inmunitaria.
De la predicción de respuestas inmunitarias a la validación preclínica
La simulación inmunitaria C-IMMSIM sugirió una respuesta orientada hacia las células T colaboradoras de tipo 1 (Th1). Entre los resultados predichos figuraron la inducción de linfocitos T citotóxicos, la formación de células T de memoria y el aumento del interferón gamma (IFN-γ). Todos son resultados de una simulación y deben distinguirse de las respuestas inmunitarias medidas en pacientes o animales.
La aportación del estudio consiste en presentar un procedimiento que selecciona candidatos a partir de datos públicos de variantes, ensambla un antígeno y evalúa computacionalmente su estructura y la respuesta inmunitaria. Los autores lo interpretaron como base para futuras evaluaciones preclínicas. Sin embargo, los resultados descritos en el resumen proporcionado se limitan a predicciones computacionales para un único caso. No se presentaron resultados que confirmaran la expresión y presentación reales del antígeno, las respuestas de células T, la seguridad ni el beneficio terapéutico. También queda por comprobar si el enfoque puede aplicarse a otros pacientes.
Fuente: Referencia bibliográfica y resumen del artículo indexados en Europe PMC.
UNLABELLED: Breast cancer is a common cancer type that occurs among women in Pakistan, and the rising incidence and mortality rate underline the need to develop effective, patient-tailored immunotherapies. In this study, we implemented an end-to-end immunoinformatics workflow using publicly available whole-exome sequencing (WES) data deposited under NCBI BioProject PRJNA941166, a cohort-derived resource from the Khyber Pakhtunkhwa region; as a proof of concept, we analyzed all sequencing runs associated with the available case to demonstrate a personalized vaccine design workflow. Somatic variant analysis indicated a high mutational burden, including 6005 missense mutations in genes such as MUC3A and TTN. From > 43,000 candidate mutant peptides, we prioritized seven non-allergenic neoantigens with strong predicted HLA binding (ΔG ≤ - 13.0 kcal/mol). These epitopes were assembled into a 285-amino acid multi-epitope antigen incorporating a GM-CSF adjuvant and helper epitopes. AlphaFold2 modeling and in silico quality assessment supported construct stability (ProSA Z-score - 7.14; ERRAT 96.59%). Across 500 ns molecular dynamics simulations, the vaccine construct remained conformationally stable and showed favorable predicted interactions with innate immune receptors, with strong binding free energies for TLR9 (ΔG = - 148.8 kcal/mol) and TLR2 (ΔG = - 16.7 kcal/mol). Immune simulations using C-IMMSIM suggested a Th1-skewed response characterized by induction of cytotoxic T lymphocytes, memory T-cell formation, and elevated IFN-γ. Although limited to computational predictions and a single publicly available case, the predicted receptor engagement and immunogenicity provide a rationale for preclinical evaluation of this personalized mRNA vaccine design workflow in high-risk populations. SUPPLEMENTARY INFORMATION: The online version contains supplementary material available at 10.1007/s40203-026-00631-6.
Este estudio es un ejemplo de diseño computacional que vincula datos públicos del exoma derivados de una paciente con antígenos vacunales candidatos. En investigaciones posteriores, los neoantígenos seleccionados y la construcción multiepitópica podrían considerarse para evaluación preclínica, y podría comprobarse si la expresión y presentación reales del antígeno y las respuestas de células T concuerdan con las predicciones computacionales. Sin embargo, el resumen proporcionado no incluye las secuencias candidatas ni condiciones experimentales específicas, por lo que habría que revisar el texto completo y los materiales suplementarios antes de reproducir y validar el trabajo. Las predicciones de un solo caso no permiten determinar la eficacia, la seguridad ni la viabilidad de fabricación de una vacuna personalizada. Estos datos tampoco permiten confirmar la rapidez o el costo del desarrollo en entornos con recursos limitados, una reducción de la mortalidad por cáncer de mama ni un efecto preventivo.