طراحی یک واکسن پپتیدی چنداپی توپی علیه گلیوبلاستومای چندشکلی با هدف گیری گیرنده زیرواحد آلفا۲ اینترلوکین-۱۳ و گیرنده افرین نوع A۲: رویکرد ایمنی- محاسباتی" >طراحی یک واکسن پپتیدی چنداپی توپی علیه گلیوبلاستومای چندشکلی با هدف گیری گیرنده زیرواحد آلفا۲ اینترلوکین-۱۳ و گیرنده افرین نوع A۲: رویکرد ایمنی- محاسباتی" >طراحی یک واکسن پپتیدی چنداپی توپی علیه گلیوبلاستومای چندشکلی با هدف گیری گیرنده زیرواحد آلفا۲ اینترلوکین-۱۳ و گیرنده افرین نوع A۲: رویکرد ایمنی- محاسباتی" >

<span dir="RTL" lang="AR-SA">طراحی یک واکسن پپتیدی چنداپی توپی علیه گلیوبلاستومای چندشکلی با هدف گیری گیرنده زیرواحد آلفا<span dir="RTL" lang="FA">۲<span dir="RTL" lang="AR-SA"> اینترلوکین-<span dir="RTL" lang="FA">۱۳<span dir="RTL" lang="AR-SA"> و گیرنده افرین نوع A۲<span dir="RTL" lang="AR-SA">: رویکرد ایمنی- محاسباتی

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 84

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IMSJ-44-868_004

تاریخ نمایه سازی: 17 مهر 1405

چکیده مقاله:

مقدمه: گلیوبلاستومای چندشکلی، (Glioblastoma multiforme) GBM تهاجمی ترین تومور اولیه مغزی است و به درمان های متداول مقاوم می باشد. طراحی واکسن های پپتیدی چنداپی توپی می تواند رویکردی نوین برای تحریک پاسخ ایمنی اختصاصی علیه آنتی ژن های توموری باشد. روش ها: با استفاده از ابزارهای ایمنی محاسباتی، اپی توپ های مرتبط با سلول های لنفوسیت کشنده (CTLs) و B از آنتی ژن های IL۱۳Rα۲ و EPHA۲ شناسایی و بر اساس آنتی ژن زایی، غیرآلرژن بودن و غیرسمی بودن غربال شدند. توالی نهایی با ۱۶ اپی توپ لنفوسیت های کشنده و ۶ اپی توپ از سلول های لنفوسیت B طراحی شد. ویژگی های فیزیکوشیمیایی، ساختاری و برهم کنش واکسن با گیرنده های شبه Toll (TLR) مورد بررسی قرار گرفت. یافته ها: واکسن نهایی با طول ۲۸۱ اسیدآمینه، وزن مولکولی ۳۱,۵۷۹.۵۷ دالتون، ۹۸/۸ = pI و شاخص ناپایداری ۲۶/۱۰، پایدار ارزیابی شد. مقدار ۰/۴۶۳ - = GRAVY و ۰/۵۳۹ = QuerySolنشان دهنده ی آب دوستی و حلالیت مطلوب بودند. ساختار سه بعدی پالایش شده ۶/۹۳ درصد باقی مانده ها را در نواحی مطلوب رامچاندران نشان داد و ۱/۶۳- = Z-score کیفیت ساختاری را تایید کرد. آنالیزهای داکینگ نشان داد واکسن بالاترین میل پیوندی را به TLR۳ دارد (kcal/mol ۱۱/۱- = ΔG، M ۸- ۱۰×۱/۶ Kd ≈). شبیه سازی ایمنی، القای قوی پاسخ های ایمنی هومورال و سلولی رابا تولید سریع IgM پس از اولین ایمن سازی و به دنبال آن تغییر ایزوتایپ به IgG۱/IgG۲ در دوزهای بعدی نشان داد. شبیه سازی ایمنی محاسباتی با C-ImmSim پتانسیل القای پاسخ های ایمنی هومورال و سلولی را نشان داد. نتیجه گیری: واکسن چنداپی توپی طراحی شده دارای ویژگی های ایمنی زایی، پایداری و تعامل مطلوب با TLR۳ است و می تواند به عنوان نامزد بالقوه برای توسعه واکسن های ضد گلیوبلاستوما در مطالعات پیش بالینی آینده مطرح شود.

کلیدواژه ها:

گلیوبلاستوما چندشکلی ، واکسن چنداپی توپی ، ایمنی محاسباتی ، گیرنده زیرواحد آلفا۲ اینترلوکین-۱۳ ، گیرنده EPHA۲ افرین نوع A۲ ، شبیه سازی داکینگ مولکولی

نویسندگان

شهرزاد آهنگرزاده

مرکز تحقیقات پزشکی بازساختی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران

ایلناز رحیم منش

مرکز تحقیقات فیزیولوژی کاربردی، پژوهشکده قلب و عروق، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Sarfraz Z, Maharaj A, Venur VA, Lathia JD, Odia Y, ...
  • Latzer P, Zelba H, Battke F, Reinhardt A, Shao B, ...
  • Xiong Z, Raphael I, Olin M, Okada H, Li X, ...
  • Knudson KM, Hwang S, McCann MS, Joshi BH, Husain SR, ...
  • Muhammad N, Wang R, Li W, Zhang Z, Chang Y, ...
  • Mirzaie S, Yuan KD, Ni H, Wu XY. Design of ...
  • Wei Y, Qiu T, Ai Y, Zhang Y, Xie J, ...
  • Reynisson B, Barra C, Kaabinejadian S, Hildebrand WH, Peters B, ...
  • Saha S, Raghava GP. Prediction of continuous B-cell epitopes in ...
  • Saha S, Raghava GPS. BcePred: prediction of continuous B-cell epitopes ...
  • Doytchinova IA, Flower DR. VaxiJen: a server for prediction of ...
  • Dimitrov I, Bangov I, Flower DR, Doytchinova I. AllerTOP v.۲a ...
  • Dimitrov I, Naneva L, Doytchinova I, Bangov I. AllergenFP: allergenicity ...
  • Gupta S, Kapoor P, Chaudhary K, Gautam A, Kumar R, ...
  • Buchan DWA, Jones DT. The PSIPRED Protein Analysis Workbench: ۲۰ ...
  • Heo L, Park H, Seok C. GalaxyRefine: Protein structure refinement ...
  • Colovos C, Yeates TO. Verification of protein structures: patterns of ...
  • Bowie JU, Luthy R, Eisenberg D. A method to identify ...
  • Luthy R, Bowie JU, Eisenberg D. Assessment of protein models ...
  • Pontius J, Richelle J, Wodak SJ. Deviations from standard atomic ...
  • Laskowski R, MacArthur M, Thornton J. PROCHECK: validation of protein-structure ...
  • Xue LC, Rodrigues JP, Kastritis PL, Bonvin AM, Vangone A. ...
  • Desta IT, Porter KA, Xia B, Kozakov D, Vajda S. ...
  • Vajda S, Yueh C, Beglov D, Bohnuud T, Mottarella SE, ...
  • Kozakov D, Hall DR, Xia B, Porter KA, Padhorny D, ...
  • Kozakov D, Beglov D, Bohnuud T, Mottarella SE, Xia B, ...
  • Vangone A, Bonvin AM. Contacts-based prediction of binding affinity in ...
  • Rapin N, Lund O, Bernaschi M, Castiglione F. Computational immunology ...
  • Castiglione F, Mantile F, De Berardinis P, Prisco A. How ...
  • Hosseinalizadeh H, Rahmati M, Ebrahimi A, O'Connor RS. Current Status ...
  • Jaén M, Martín-Regalado Á, Bartolomé RA, Robles J, Casal JI. ...
  • Muhammad N, Wang R, Li W, Zhang Z, Chang Y, ...
  • Salahlou R, Farajnia S, Alizadeh E, Dastmalchi S, Bargahi N, ...
  • Gharbavi M, Danafar H, Amani J, Sharafi A. Immuno-informatics analysis ...
  • نمایش کامل مراجع