AI 역백신학으로 설계한 HTLV-1 mRNA 백신 후보, 계산 평가의 결과와 한계
배경: 예방 백신 후보를 좁히는 계산 설계
인간 T림프친화성 바이러스 1형(HTLV-1)을 겨냥한 다중 에피토프 메신저 RNA(mRNA) 백신 후보가 인공지능(AI)과 면역정보학을 활용한 계산 연구에서 제안됐다. 연구진은 바이러스 단백질에서 항원 후보 구간을 선별하고, 이를 연결한 단백질의 구조와 면역 수용체와의 상호작용을 예측했다. 감염 예방효과나 안전성을 실험으로 입증한 성과와는 구분된다.
HTLV-1은 성인 T세포 백혈병·림프종과 HTLV-1 연관 척수병증·열대성 경직성 하반신마비 등을 일으킬 수 있다. 감염 세포의 증식으로 바이러스가 지속되고 세포 간 접촉으로 전파되는 특성은 예방 백신 개발의 과제로 꼽힌다. 연구진이 택한 역백신학은 병원체의 서열 정보에서 항원 후보를 찾는 접근으로, 이번 연구의 목표는 예방용 mRNA 후보 설계였다.
핵심 발견: 8개 단백질에서 항원 구간 4개 선별
연구진은 HTLV-1 단백질 8개의 항원성과 알레르기 유발 가능성을 계산으로 평가해 gp62와 pol을 후속 분석 대상으로 선택했다. 이어 T세포와 B세포가 인식할 것으로 예측되는 에피토프, 즉 항원의 특정 구간을 분석하는 절차를 밟았다. 여러 예측 결과가 겹치는 후보 구간 5개 가운데 항원성·독성·알레르기성 평가를 거쳐 최종적으로 남긴 구간은 4개다.
선별한 구간에 연결 펩타이드와 면역반응 보조 요소를 조합해 단백질 구성안 6개를 만들고, 예측 평가로 추린 3개 구성안의 입체구조를 모델링·정제했다. 이 과정은 실제 면역반응이나 사람에서의 안전성을 측정한 실험에 해당하지 않는다. AI는 세포독성 T세포 에피토프 예측과 일부 구조 예측 등에 활용됐으며, 코돈 최적화에는 별도의 GenSmart 도구가 쓰였다.
후보 단백질과 톨유사수용체 4(TLR4)·보조수용체 MD2 복합체의 결합 배치를 예측하는 도킹 분석 뒤에는 100나노초 분자동역학 시뮬레이션이 이어졌다. 연구진의 해석에 따르면 약 70나노초까지 구조 변화가 나타났고 이후에는 비교적 안정된 상태를 보였다. 다만 계산 모델 속 복합체의 거동으로, 실제 수용체 활성화나 면역세포 반응을 확인한 결과로 볼 수는 없다.
의미와 전망: 집단 커버리지는 예방효능과 다르다
선택한 에피토프와 관련된 사람백혈구항원(HLA) 유형의 분포를 반영한 예측 집단 커버리지는 세계 기준 77.44%, 중앙아메리카 4.96%로 지역 차이를 보였다. HLA는 면역계가 항원 조각을 인식하는 과정에 관여하며, 이 계산값은 관련 HLA 유형의 분포에 따른 예상 포괄 범위를 나타낸다. 감염 예방률이나 임상시험에서 측정한 백신 효능을 뜻하지는 않는다.
면역 시뮬레이션에서는 28일 간격으로 세 차례 항원을 투여하는 조건에서 항체와 기억세포 반응이 예측됐다. 실제 접종 일정이나 유효 용량을 정한 결과는 아니며, mRNA 발현과 항원 안정성, 전달 효율, 면역원성을 실험으로 확인하는 과제가 남았다. 단백질 구조와 RNA 이차구조의 계산상 안정성 역시 완제품의 제조·보관 중 기능 유지를 보증하는 근거로 삼기 어렵다.
논문은 기존 HTLV-1 mRNA 백신의 동물 연구도 소개하므로 이번 후보를 세계 최초로 부를 근거는 없다. 이번 연구가 제시한 것은 후속 실험에서 검토할 다중 에피토프 후보와 계산 평가 자료다. 실험에서 예측이 재현되는지 확인해야 예방 백신으로서의 가능성을 판단할 수 있다. 설계 과정과 분석 결과는 제공된 논문 본문에서 확인할 수 있다.
Human T-lymphotropic virus type 1 (HTLV-1) is the first discovered human oncogenic retrovirus that can cause adult T-cell leukemia/lymphoma, HTLV-1-associated myelopathy/tropical spastic paraparesis, and several other diseases. Due to the poor prognosis of these diseases and the limited therapeutic modalities, the need for an HTLV-1 vaccine is crucial. The current study has used an artificial intelligence-driven reverse vaccinology approach to design an mRNA vaccine against HTLV-1. The two most antigenic proteins of the virus were selected and analyzed using multiple immunoinformatics tools to identify the antigenic immunodominant epitopes for T- and B-cells. Subsequently, the final selected epitopes and the adjuvant were connected using proper linkers. Subsequently, multiple 3D structures were modeled for the vaccine. After refining and evaluating the modeled structures, the best model was selected as the final candidate vaccine structure. The proposed mRNA structure is a potential vaccine with suitable immunological and physicochemical properties against HTLV-1. Docking and simulation analyses showed a proper interaction between the vaccine and the corresponding receptor of the employed adjuvant. However, additional experimental studies are required to further confirm the vaccine's efficacy.
백신 개발 연구팀은 이번에 선별한 항원 구간과 수용체 상호작용 예측을 후속 실험의 출발점으로 삼을 수 있다. 예를 들어 후보 mRNA를 세포에 전달한 뒤 단백질 발현과 안정성을 측정하고, 면역반응 실험 결과를 계산 예측과 비교하는 방식이다. 지역별 예측 집단 커버리지의 차이는 유행 지역의 HLA 분포를 고려해 항원 구성을 재검토할 이유가 된다. 다만 현재 자료에는 이 후보의 실험 검증 결과가 없다. 따라서 당장의 임상 적용보다 발현·전달·면역원성 검증에 활용할 설계안으로 평가하는 편이 타당하다.