靶向CD47/SIRPα通路的多肽虚拟淘选与体外抗肿瘤活性研究

Phage display allows high-throughput screening of proteins or peptides with specific functions, and many drugs have been successfully marketed by this technology. Malignant tumors are important killers that threaten human health. However, most of the existing cancer immunotherapy studies focus on the activation of the adaptive immune system to eliminate tumor cells, which have unsatisfactory effects and side effects. The immunological checkpoint inhibitor therapy targeting the CD47/SIRPα pathway simultaneously activates the innate and adaptive immunity systems, and has become a research hotspot in the anti-tumor field. In this study, a computational model to obtain peptides targeting the CD47/SIRPα pathway will be established. The in vitro antitumor activities of selected peptides will further to be evaluated. This project intends to use the next-generation phage display technology and peptide chip experiments to obtain peptides targeting the CD47/SIRPα pathway and the corresponding affinity data, and further establish a computer-aided panning platform based on machine learning methods. CD47- and SIRPα-binding peptides will then be efficiently acquired online. This project is expected to provide a new idea for the development of anti-tumor drugs targeting the CD47/SIRPα pathway. As candidate anti-tumor drugs, the validated CD47- and SIRPα-binding peptides will have potential clinical application value.

噬菌体展示是一种高通量筛选具有特定功能的蛋白质或多肽的技术，已有多种药物借助该技术成功上市。恶性肿瘤是威胁人类健康的重要杀手；然而现有的大部分肿瘤免疫疗法都集中激活适应性免疫消除肿瘤细胞，存在疗效不尽如人意及副作用等问题。靶向CD47/SIRPα通路的免疫检查点抑制剂疗法同时激活先天性与适应性免疫，成为了抗肿瘤领域研发热点。本项目将开展靶向CD47/SIRPα通路的多肽的计算淘选研究，进一步验证淘选出的多肽的体外抑瘤活性。拟采用二代噬菌体展示技术结合多肽芯片技术，获取靶向CD47/SIRPα通路的多肽数据集及亲和力值，进而基于机器学习方法建立计算机辅助淘选平台，实现在线、快速筛选靶向该通路的CD47、SIRPα结合肽。该项目为开发靶向CD47/SIRPα信号通路的抗肿瘤药物提供一种新思路，经实验验证的CD47、SIRPα结合肽作为候选药物，具备潜在的临床应用价值。

噬菌体展示是一种高通量筛选具有特定功能的蛋白质或多肽的技术，已有多种药物借助该技术成功上市。恶性肿瘤是威胁人类健康的重要杀手；靶向CD47/SIRPα通路的免疫检查点抑制剂疗法同时激活先天性与适应性免疫，成为了抗肿瘤领域研发热点。本项目以CD47为靶标，淘选Ph.D.-12噬菌体展示多肽文库，通过二代噬菌体展示技术获得了大量数据，构建了CD47淘选富集后的多肽数据集；同时以SIRPα为靶标，通过二代噬菌体展示技术但未能获得SIRPα淘选富集后的多肽数据集。在获得CD47淘选富集后的多肽数据集后，采用单氨基酸组成、二肽组成、CKSAAGP、伪氨基酸组分、卡方检验、Fscore、互信息等多种特征提取与选择方法，采用长短记忆网络、一维卷积网络、Transformer、支持向量机、朴素贝叶斯、K近邻、随机森林等进行机器学习，然而计算淘选模型性能不佳，实际应用能力较差，需进一步优化，未能继续开展进一步的实验验证。项目主要研究成果如下：（1）进行了模式识别方法学研究；（2）初步构建了CD47结合肽计算淘选模型CD47Binder（http://i.uestc.edu.cn/CD47Binder/cgi-bin/CD47Binder.pl）；（3）开发了一系列在线数据资源，如靶标无关肽数据库TUPDB（http://i.uestc.edu.cn/tupdb/）、抗冠状病毒多肽数据库ACovPepDB（http://i.uestc.edu.cn/ACovPepDB/）等。在项目支持下，团队总体上完成了预期研究成果指标：（1）建立了一个公开的靶向CD47、具有肿瘤治疗前景的候选多肽数据集；（2）搭建了在线获取CD47结合肽的计算淘选系统CD47Binder；（3）已发表SCI收录论文16篇，其中1篇影响因子在10分以上，4篇影响因子在5分以上；（4）培养硕士研究⽣5⼈，研究团队成员参加了一系列国际国内重要会议。