Математическая модель для оценки уровня перекрёстного иммунитета между штаммами вируса гриппа подтипа H3N2

Обложка

Цитировать

Полный текст

Аннотация

Введение. Всемирная организация здравоохранения (ВОЗ) регулярно обновляет рекомендации по вакцинам против гриппа с целью достижения их максимального соответствия очередным циркулирующим штаммам. Тем не менее на протяжении нескольких сезонов эффективность вакцины против гриппа А, а именно её компоненты H3N2, определялась как низкая.

Цель исследования – разработка математической модели перекрёстного иммунитета на основании имеющегося массива опубликованных ВОЗ данных реакции торможения гемагглютинации (РТГА).

Материалы и методы. В настоящей работе представлена математическая модель, основанная на нахождении с помощью регрессионного анализа зависимости титров РТГА от замен в антигенных сайтах последовательностей. Разработанная нами компьютерная программа имеет возможность обрабатывать данные (GISAID, NCBI и др.) и формировать в режиме реального времени базы данных согласно поставленным задачам.

Результаты. На основе наших исследований был вычленен дополнительный антигенный сайт F. Разница в 1,6 раза скорректированного R2 на подмножествах вирусов, выращенных в культуре клеток и культивируемых в куриных эмбрионах, демонстрирует обоснованность нашего решения о разделении первоначального массива данных по пассажным историям. Нами введено понятие степени гомологичности между двумя произвольными штаммами, которая принимает значение функции, зависящей от дистанции Хэмминга, и показано, что результаты регрессии существенно зависят от выбора функции. Проведённый анализ показал, что наиболее значимыми антигенными сайтами являются A, B и E. Полученные результаты прогноза титров РТГА показали достаточно хороший результат, сопоставимый с аналогичными работами наших коллег.

Заключение. Предложенный метод может послужить хорошим инструментом для будущих прогнозов с дальнейшим изучением для подтверждения его устойчивости.

Об авторах

Марина Норайровна Асатрян

ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»

Автор, ответственный за переписку.
Email: masatryan@gamaleya.org
ORCID iD: 0000-0001-6273-8615

к.м.н., c.н.с. группы эпидемиологической кибернетики отдела эпидемиологии

Россия, 123098, г. Москва

Борис Игоревич Тимофеев

ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»

Email: masatryan@gamaleya.org
ORCID iD: 0000-0001-7425-0457

к.ф.-м.н., с.н.с. лаборатории физиологии вирусов Института вирусологии им. Д.И. Ивановского

Россия, 123098, г. Москва

Илья Сергеевич Шмыр

ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»

Email: masatryan@gamaleya.org
ORCID iD: 0000-0002-8514-5174

н.с. группы эпидемиологической кибернетики отдела эпидемиологии

Россия, 123098, г. Москва

Карлен Ромикович Хачатрян

ФГАОУ ВО Национальный исследовательский университет «Высшая школа экономики»

Email: masatryan@gamaleya.org
ORCID iD: 0000-0002-1934-532X

студент магистратуры очного формата обучения

Россия, 123458, г. Москва

Дмитрий Николаевич Щербинин

ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»

Email: masatryan@gamaleya.org
ORCID iD: 0000-0002-8518-1669

к.б.н., н.с. отдела генетики и молекулярной биологии бактерий

Россия, 123098, г. Москва

Татьяна Анатольевна Тимофеева

ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»

Email: masatryan@gamaleya.org
ORCID iD: 0000-0002-8991-8525

к.б.н., зав. лабораторией физиологии вирусов Института вирусологии им. Д.И. Ивановского

Россия, 123098, г. Москва

Элита Русиндапутри Герасимук

Государственный университет «Дубна»

Email: masatryan@gamaleya.org
ORCID iD: 0000-0002-7364-163X

к.м.н., доц.

Россия, 141982, г. Дубна

Ваагн Гагикович Агасарян

ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»

Email: masatryan@gamaleya.org
ORCID iD: 0009-0009-3824-7061

научный сотрудник группы эпидемиологической кибернетики отдела эпидемиологии

Россия, 123098, г. Москва

Иван Феликсович Ершов

ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»

Email: masatryan@gamaleya.org
ORCID iD: 0000-0002-3333-5347

н.с. группы эпидемиологической кибернетики отдела эпидемиологии

Россия, 123098, г. Москва

Татьяна Игоревна Шашкова

Институт искусственного интеллекта

Email: masatryan@gamaleya.org
ORCID iD: 0000-0002-8754-8727

к.б.н., c.н.с. группы «Биоинформатика»

Россия, 121170, г. Москва

Ольга Леонидовна Кардымон

Институт искусственного интеллекта

Email: masatryan@gamaleya.org
ORCID iD: 0000-0002-4827-8891

руководитель научной группы «Биоинформатика»

Россия, 121170, г. Москва

Никита Владимирович Иванисенко

Институт искусственного интеллекта

Email: masatryan@gamaleya.org
ORCID iD: 0000-0002-0333-8117

к.б.н., с.н.с. группы «Биоинформатика»

Россия, 121170, г. Москва

Татьяна Анатольевна Семененко

ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»

Email: masatryan@gamaleya.org
ORCID iD: 0000-0002-6686-9011

д.м.н., проф., акад. РАЕН, рук. отдела эпидемиологии

Россия, 123098, г. Москва

Борис Савельевич Народицкий

ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»

Email: masatryan@gamaleya.org
ORCID iD: 0000-0001-5522-8238

д.б.н., проф., зам. директора Института вирусологии им. Д.И. Ивановского

Россия, 123098, г. Москва

Денис Юрьевич Логунов

ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»

Email: masatryan@gamaleya.org

д.б.н., акад. РАН, зам. директора по научной работе

Россия, 123098, г. Москва

Александр Леонидович Гинцбург

ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»

Email: masatryan@gamaleya.org
ORCID iD: 0000-0003-1769-5059

д.б.н., проф., акад. РАН, директор

Россия, 123098, г. Москва

Список литературы

  1. Russell C.A., Jones T.C., Barr I.G., Cox N.J., Garten R.J., Gregory V., et al. Influenza vaccine strain selection and recent studies on the global migration of seasonal influenza viruses. Vaccine. 2008; 26(Suppl. 4): 31–4. https://doi.org/10.1016/j.vaccine.2008.07.078
  2. Belongia E.A., Simpson M.D., King J.P., Sundaram M.E., Kelley N.S., Osterholm M.T., et al. Variable influenza vaccine effectiveness by subtype: a systematic review and meta-analysis of test-negative design studies. Lancet Infect. Dis. 2016; 16(8): 942–51. https://doi.org/10.1016/S1473-3099(16)00129-8
  3. Jackson M.L., Chung J.R., Jackson L.A., Phillips C.H., Benoit J., Monto A.S., et al. Influenza vaccine effectiveness in the United States during the 2015-2016 season. N. Engl. J. Med. 2017; 377(6): 534–43. https://doi.org/10.1056/NEJMoa1700153
  4. Rolfes M.A., Flannery B., Chung J.R., O’Halloran A., Garg S., Belongia E.A., et al. Effects of influenza vaccination in the United States during the 2017-2018 influenza season. Clin. Infect. Dis. 2019; 69(11): 1845–53. https://doi.org/10.1093/cid/ciz075
  5. Doyle J.D., Chung J.R., Kim S.S., Gaglani M., Raiyani C., Zimmerman R.K., et al. Interim estimates of 2018-2019 seasonal influenza vaccine effectiveness – United States. MMWR. Morb. Mortal. Wkly Rep. 2019; 68(6): 135–9. https://doi.org/10.15585/mmwr.mm6806a2
  6. Zost S.J., Parkhouse K., Gumina M.E., Kim K., Diaz P.S., Wilson P.C., et al. Contemporary H3N2 influenza viruses have a glycosylation site that alters binding of antibodies elicited by egg-adapted vaccine strains. Proc. Natl Acad. Sci. USA. 2017; 114(47): 12578–83. https://doi.org/10.1073/pnas.1712377114
  7. Gouma S., Weirick M., Hensley S.E. Antigenic assessment of the H3N2 component of the 2019-2020 northern hemisphere influenza vaccine. Nat. Commun. 2020; 11(1): 2445. https://doi.org/10.1038/s41467-020-16183-y
  8. Cobey S., Gouma S., Parkhouse K., Chambers B.S., Ertl H.C., Schmader K.E., et al. Poor immunogenicity, not vaccine strain egg adaptation, may explain the low H3N2 influenza vaccine effectiveness in 2012-2013. Clin. Infect. Dis. 2018; 67(3): 327–33. https://doi.org/10.1093/cid/ciy097
  9. Klingen T.R., Reimering S., Guzmán C.A., McHardy A.C. In silico vaccine strain prediction for human influenza viruses. Trends Microbiol. 2018; 26(2): 119–31. https://doi.org/10.1016/j.tim.2017.09.001
  10. Morris D.H., Gostic K.M., Pompei S., Bedford T., Łuksza M., Neher R.A., et al. Predictive modeling of influenza shows the promise of applied evolutionary biology. Trends Microbiol. 2018; 26(2): 102–18. https://doi.org/10.1016/j.tim.2017.09.004
  11. Тимофеева Т.А., Асатрян М.Н., Альтштейн А.Д., Народицкий Б.С., Гинцбург А.Л., Каверин Н.В. Прогнозирование эволюционной изменчивости вируса гриппа А. Acta Naturae. 2017; 9(3): 104–11. https://doi.org/10.32607/20758251-2017-9-3-48-54 https://elibrary.ru/zqitor
  12. Боев Б.В. Модель развития эпидемии гриппа А(H1N1) в России в сезон 2009–2010 годов. Эпидемиология и вакцинопрофилактика. 2010; (1): 52–8. https://elibrary.ru/laedxn
  13. Huddleston J., Barnes J.R., Rowe T., Kondor R., Wentworth D.E., Whittaker L., et al. Integrating genotypes and phenotypes improves long-term forecasts of seasonal influenza A/H3N2 evolution. eLife. 2020; 9: e60067. https://doi.org/10.7554/eLife.60067
  14. CDC. Center for Disease Control and Prevention. Influenza (Flu). Available at: https://www.cdc.gov/flu/
  15. Bedford T., Suchard M.A., Lemey P., Dudas G., Gregory V., Hay A.J., et al. Integrating influenza antigenic dynamics with molecular evolution. eLife. 2014; 3: e01914. https://doi.org/10.7554/eLife.01914
  16. Anderson C.S., McCall P.R., Stern H.A., Yang H., Topham D.J. Antigenic cartography of H1N1 influenza viruses using sequence-based antigenic distance calculation. BMC Bioinformatics. 2018; 19(1): 51. https://doi.org/10.1186/s12859-018-2042-4
  17. Lee M.S., Chen J.S. Predicting antigenic variants of influenza A/H3N2 viruses. Emerg. Infect. Dis. 2004; 10(8): 1385–90. https://doi.org/10.3201/eid1008.040107
  18. Lees W.D., Moss D.S., Shepherd A.J. A computational analysis of the antigenic properties of haemagglutinin in influenza a H3N2. Bioinformatics. 2010; 26(11): 1403–8. https://doi.org/10.1093/bioinformatics/btq160
  19. Burnet F.M., Lush D. The action of certain surface active agents on viruses. Aust. J. Exp. Biol. Med. Sci. 1940; 18: 141–50.
  20. Archetti I., Horsfall F.L. Persistent antigenic variation of influenza A viruses after incomplete neutralization in ovo with heterologous immune serum. J. Exp. Med. 1950; 92(5): 441–62. https://doi.org/10.1084/jem.92.5.441
  21. Lapedes A., Farber R. The geometry of shape space: application to influenza. J. Theor. Biol. 2001; 212(1): 57–69. https://doi.org/10.1006/jtbi.2001.2347
  22. Smith D.J., Lapedes A.S., de Jong J.C., Bestebroer T.M., Rimmelzwaan G.F., Osterhaus A.D., et al. Mapping the antigenic and genetic evolution of influenza virus. Science. 2004; 305(5682): 371–6. https://doi.org/10.1126/science.1097211
  23. Wiley D.C., Skehel J.J. The structure and function of the hemagglutinin membrane glycoprotein of influenza virus. Annu. Rev. Biochem. 1987; 56: 365–94. https://doi.org/10.1146/annurev.bi.56.070187.002053
  24. Wiley D.C., Wilson I.A., Skehel J.J. Structural identification of the antibody-binding sites of Hong Kong influenza haemagglutinin and their involvement in antigenic variation. Nature. 1981; 289(5796): 373–8. https://doi.org/10.1038/289373a0
  25. Wilson I.A., Cox N.J. Structural basis of immune recognition of influenza virus hemagglutinin. Annu. Rev. Immunol. 1990; 8: 737–71. https://doi.org/10.1146/annurev.iy.08.040190.003513
  26. Liao Y.C., Lee M.S., Ko C.Y., Hsiung C.A. Bioinformatics models for predicting antigenic variants of influenza A/H3N2 virus. Bioinformatics. 2008; 24(4): 505–12. https://doi.org/10.1093/bioinformatics/btm638
  27. Асатрян М.Н., Агасарян В.Г, Щербинин Д.Н., Тимофеев Б.И., Ершов И.Ф., Шмыр И.С. и др. Influenza IDE. Свидетельство о регистрации № 2020617965; 2020.
  28. Lawson C.L., Hanson R.J. Solving Least Squares Problems. New Jersey: Englewood Cliffs; 1974.
  29. Халафян А.А. Математическая статистика с элементами теории вероятности. М.: Бином; 2010.
  30. Stephenson I., Gaines Das R., Wood J.M., Katz J.M. Comparison of neutralising antibody assays for detection of antibody to influenza A/H3N2 viruses: an international collaborative study. Vaccine. 2007; 25(20): 4056–63. https://doi.org/10.1016/j.vaccine.2007.02.039
  31. Wood J.M., Major D., Heath A., Newman R.W., Höschler K., Stephenson I., et al. Reproducibility of serology assays for pandemic influenza H1N1: collaborative study to evaluate a candidate WHO International Standard. Vaccine. 2012; 30(2): 210–7. https://doi.org/10.1016/j.vaccine.2011.11.019
  32. Zacour М., Ward В.J., Brewer A., Tang P., Boivin G., Li Y. Standardization of hemagglutination inhibition assay for influenza serology allows for high reproducibility between laboratories. Clin. Vaccine Immunol. 2016; 23(3): 236–42. https://doi.org/10.1128/CVI.00613-15
  33. The Francis Crick Institute. Worldwide Influenza Centre lab. Annual and interim reports. Available at: https://www.crick.ac.uk/research/platforms-and-facilities/worldwide-influenza-centre/annual-and-interim-reports
  34. DuPai C.D., McWhite C.D., Smith C.B., Garten R., Maurer-Stroh S., Wilke C.O. Influenza passaging annotations: what they tell us and why we should listen. Virus Evol. 2019; 5(1): vez016. https://doi.org/10.1093/ve/vez016
  35. Wu N.C., Zost S.J., Thompson A.J., Oyen D., Nycholat C.M., McBride R., et al. A structural explanation for the low effectiveness of the seasonal influenza H3N2 vaccine. PLoS Pathog. 2017; 13(10): e1006682. https://doi.org/10.1371/journal.ppat.1006682
  36. Park Y.W., Kim Y.H., Jung H.U., Jeong O.S., Hong E.J., Kim H. Comparison of antigenic mutation during egg and cell passage cultivation of H3N2 influenza virus. Clin. Exp. Vaccine Res. 2020; 9(1): 56–63. https://doi.org/10.7774/cevr.2020.9.1.56
  37. Popova L., Smith K., West A.H., Wilson P.C., James J.A., Thompson L.F. Immunodominance of antigenic site B over site A of hemagglutinin of recent H3N2 influenza viruses. PLoS One. 2012; 7(7): e41895. https://doi.org/10.1371/journal.pone.0041895
  38. Klein N.P., Fireman B., Goddard K., Zerbo O., Asher J., Zhou J. Vaccine effectiveness of cell-culture relative to egg-based inactivated influenza vaccine during the 2017-2018 influenza season. PLoS One. 2020; 15(2): e0229279. https://doi.org/10.1371/journal.pone.0229279
  39. GISAID. Eurosurveillance; 2017. Available at: https://gisaid.org/resources/commentary-on-gisaid/
  40. Smith T.F., Waterman M.S. Identification of common molecular subsequences. J. Mol. Biol. 1981; 147(1): 195–7. https://doi.org/10.1016/0022-2836(81)90087-5
  41. GetArea. Available at: http://curie.utmb.edu/getarea.html
  42. RCSB PDB: Homepage. Available at: https://www.rcsb.org/
  43. Щербинин Д.Н., Алексеева С.В., Шмаров М.М., Смирнов Ю.А., Народицкий Б.С., Гинцбург А.Л. Анализ В-клеточных эпитопов гемагглютинина вирусов гриппа. Acta Naturae. 2016; 8(1): 14–22. https://doi.org/10.32607/20758251-2016-8-1-13-20 https://elibrary.ru/vsjyhf
  44. A standardised numbering for all subtypes of Influenza A hemaggluttin (HA) sequences based on the mature HA sequence. Available at: https://antigenic-cartography.org/surveillance/evergreen/HAnumbering/
  45. Smith D.J., Forrest S., Hightower R.R., Perelson A.S. Deriving shape space parameters from immunological data. J. Theor. Biol. 1997; 189(2): 141–50. https://doi.org/10.1006/jtbi.1997.0495
  46. Кильбурн Э.Д., ред. Вирусы гриппа и грипп. Пер. с англ. М.: Медицина; 1978.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рисунок. Функции для оценки степени гомологичности.

Скачать (209KB)
Метаданные
3. Приложение
Скачать (204KB)
Метаданные

© Асатрян М.Н., Тимофеев Б.И., Шмыр И.С., Хачатрян К.Р., Щербинин Д.Н., Тимофеева Т.А., Герасимук Э.Р., Агасарян В.Г., Ершов И.Ф., Шашкова Т.И., Кардымон О.Л., Иванисенко Н.В., Семененко Т.А., Народицкий Б.С., Логунов Д.Ю., Гинцбург А.Л., 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».