V únoru 2024 byla v časopisu Nature Communications publikována studie týmu z Centra pro chřipku a nové infekční nemoci (CIEID) při Missourské univerzitě, která popisuje metodu MAIVeSS zaměřenou na zjednodušený výběr chřipkových kmenů. Její hlavní výhody spočívají v algoritmech strojového učení, které dokážou rychle a přesně vyhodnotit molekulární znaky antigenicity a výtěžnosti aktuálně cirkulujících chřipkových virů a zkrátit tak výrobu sezonních vakcín proti chřipce.
Za mutacemi chřipkových virů stojí především membránový protein hemaglutinin (HA), který obsahuje hlavní povrchový antigen viru. Ten podléhá různým antigenním změnám, které viru umožňují přizpůsobit se hostitelově imunitě. Ta bývá výsledkem reakcí na předešlé infekce a očkování. Složení vakcín se proto každoročně upravuje tak, aby se aktuální vakcína shodovala s právě cirkulujícími kmeny viru.
Monitorování chřipky a jejích mutací je koordinováno prostřednictvím systému GISRS (Global Influenza Surveillance and Response System) Světové zdravotnické organizace (WHO). Systém GISRS tvoří mezinárodní síť chřipkových laboratoří ze 129 členských států WHO. Jednotlivé laboratoře celoročně monitorují chřipkové viry, mutace i rizika pandemií a pomáhají s navrhováním preventivních kroků. Všechna takto zjištěná a ověřená data jsou okamžitě veřejně dostupná prostřednictvím webové aplikace a systému hlášení FluNet.
Z ověřených dat systém GISRS následně vyhodnocuje a doporučuje nejvhodnější kmeny pro výrobu vakcín. Svá doporučení i potřebná data a vzorky poskytuje farmaceutickým firmám, které dále optimalizují antigenní a růstové vlastnosti vybraných kmenů. Celý systém je spolehlivý, ale vyžaduje celosvětovou koordinaci soukromého a veřejného sektoru a je velmi finančně i časově náročný.
Pro efektivní vývoj vakcíny je klíčové také to, aby měl zvolený kmen dostatečnou výtěžnost. Ta je dána množstvím viru, který lze pro výrobu inaktivované či atenuované vakcíny ve tkáňové kultuře nebo na kuřecích embryích vypěstovat. Optimalizace výtěžnosti zvolených kmenů pomocí biotechnologií dosud trvá až 6 měsíců, což může v některých případech vést ke zpoždění výroby vakcín.
Příkladem může být pandemie tzv. prasečí chřipky v roce 2009, jež byla způsobena kmenem A(H1N1)pdm09. Tehdy se dodávky vakcíny výrazně opozdily kvůli nízké výtěžnosti původně zvoleného chřipkového kmene. Celosvětová očkovací kampaň proto byla zahájena až po druhé vlně pandemie, kdy se konečně podařilo získat kmeny s dostatečnou výtěžností.
Metoda MAIVeSS založená na algoritmech strojového učení je schopna poměrně přesně předpovídat antigenní i růstový fenotyp daného kmene viru na základě sekvence hemaglutininu. Algoritmus byl zkoušen na knihovně 189 mutantních variant HA a jeho spolehlivost byla ověřena na souboru více než 11 tisíc sekvencí viru A(H1N1)pdm09 zachycených u pacientů v letech 2009–2020. Podařilo se identifikovat varianty s dobrou antigenicitou i výtěžností, které by mohly sloužit jako kandidátní viry pro výrobu vakcín.
Data z prvotních experimentů tedy naznačují, že metoda MAIVeSS umožňuje rychlou selekci antigenně odpovídajících chřipkových kmenů s vysokým výtěžkem přímo z klinických izolátů. Celý proces výběru vhodného kmene by se tím mohl výrazně urychlit, a to z řádu měsíců na dny.
(jko)
Zdroje:
1. Gao C., Wen F., Guan M. et al. MAIVeSS: streamlined selection of antigenically matched, high-yield viruses for seasonal influenza vaccine production. Nat Commun 2024; 15 (1): 1128, doi: 10.1038/s41467-024-45145-x.
2. Global Influenza Surveillance and Response System (GISRS). World Health Organization, 2024. Dostupné na: https://who.int/initiatives/global-influenza-surveillance-and-response-system
