由新型冠状病毒（SARS-CoV-2）引起的严重呼吸道感染疾病新冠肺炎（COVID-19）已经在全球流行一年多，累计病例已超2亿，死亡人数超400万。国内外已经研发并批准了多个新冠疫苗上市，在预防病毒传播和降低住院及危重症病例方面都有良好的效果，给人们带来了彻底控制新冠病毒的希望。但随着病毒的不断传播，不断出现新的变异新冠病毒毒株，人们发现了部分抗体对一些变异毒株的中和效价明显降低，引起了人们对病毒突变可能导致免疫逃逸的巨大担忧。例如，重组蛋白新冠疫苗（NVX-CoV2373）在含有E484K突变的南非变异体（B.1.351）上的有效率降低至60%¹，而单克隆抗体REGN10933在含有E484K突变的变异新冠病毒毒株上中和能力下降约10倍²。因此，十分有必要研究变异毒株免疫逃逸的分子机制，并预测未来可能出现的免疫逃逸新突变，为新型高效的疫苗和单克隆抗体研发提供参考依据。

中国科学院上海药物研究所药物发现与设计中心徐志建、朱维良团队通过计算模拟，在原子水平上研究了新冠病毒刺突蛋白上的E484K突变引起免疫逃逸的分子机制，并预测了4个可能产生免疫逃逸的潜在新突变。相关研究成果近期在生物信息学专业期刊Briefings in Bioinformatics上发表³。

新冠病毒刺突蛋白上的受体结合域（RBD）是病毒感染宿主细胞的关键位点，也是众多抗体作用的靶点，而E484K突变就发生在RBD上。为此，研究人员首先通过分子动力学模拟方法分别计算了宿主细胞上的ACE2蛋白与野生型的RBD（RBD_WT）及突变体RBD（RBD_E484K）的结合自由能（图1），发现E484K突变对病毒与ACE2结合能力的影响十分有限（略有增强），故不会降低病毒的感染能力。接着他们又计算了26个单克隆抗体（mAbs）分别与RBD_WT及RBD_E484K的结合自由能，发现有大约85%的mAbs与RBD_E484K的结合能力下降（图2），表明大部分单克隆抗体对E484K变异毒株的中和能力将有所降低，从而出现可能的逃逸现象。

图1. 宿主ACE2蛋白与SARS-CoV-2刺突蛋白RBD的相互作用关键残基及结合自由能

图2. （A）单克隆抗体mAbs与病毒刺突蛋白RBD_WT或RBD_E484K的结合自由能（ΔG）；（B）单克隆抗体mAbs在病毒刺突蛋白RBD_WT和RBD_E484K上的结合自由能变化（ΔΔG = ΔG_E484K - ΔG_WT）及其相对变化程度（|ΔΔG/ΔG_WT*100%|）

为了研究E484和K484在mAb与RBD结合中的具体作用机制，研究人员对上述26个mAbs体系进行了残基结合自由能的分解，分析了E484和K484在26个单克隆抗体（mAb）和RBD结合时的自由能贡献（图3）。结果表明，~72%的体系中野生型E484的贡献明显强于突变体K484，这主要是因为带负电的E484残基与mAb上带正电性的氨基酸残基形成了明显的静电吸引作用，而带正电的K484则与mAb上带正电性的氨基酸残基发生了排斥作用，从而导致抗体与突变株病毒的结合能力减弱（图4）。

图3. E484和K484在mAb-RBD结合自由能中的能量贡献

图4. E484和K484在mAb-RBD中作用模式

此外，研究人员统计了在上述26个mAb-RBD作用界面上能量贡献强于1.00 kcal/mol的残基占比（图5）。统计结果表明，新冠病毒RBD上的另外四个残基（F490，V483，G485和S494）在mAb-RBD的结合中发挥着重要作用，而这四个残基在ACE2-RBD的结合中贡献较小，说明这4个氨基酸的突变对病毒的感染能力影响有限，但可能会显著降低与抗体的结合能力，从而导致新毒株可能出现免疫逃逸现象。据此，研究人员指出未来在进行新冠疫苗和mAb研发时应对这四个位点的突变给予高度关注，以克服新一代抗体的潜在免疫逃逸风险。

图5. mAb-RBD作用界面上的残基占比

论文共同第一作者为中科院上海药物研究所硕士研究生吴乐云和博士研究生彭诚，通讯作者为徐志建副研究员和朱维良研究员。该团队还系统地调研了新冠肺炎药物及潜在靶标研究进展（药学学报, 2020）⁴，分别建立了基于分子对接（Acta Pharm Sin B, 2020）⁵和基于配体相似性的抗新冠肺炎靶标预测与药物虚拟筛选平台（Brief Bioinform, 2021）⁶，计算研究了新冠病毒刺突蛋白与宿主ACE2蛋白的结合机制（J. Phys. Chem. Lett., 2020）⁷，并预测了可能具有抗新冠病毒活性的老药（bioRxiv, 2020）⁸。

原文链接：

https://dx.doi.org/10.1093/bib/bbab383

参考文献：

1.    Mahase, E., Covid-19: Novavax vaccine efficacy is 86% against UK variant and 60% against South African variant. Br. Med. J. 2021, 372, n296.

2.    Wang, P.;  Nair, M. S.;  Liu, L.;  Iketani, S.;  Luo, Y.;  Guo, Y.;  Wang, M.;  Yu, J.;  Zhang, B.;  Kwong, P. D.;  Graham, B. S.;  Mascola, J. R.;  Chang, J. Y.;  Yin, M. T.;  Sobieszczyk, M.;  Kyratsous, C. A.;  Shapiro, L.;  Sheng, Z.;  Huang, Y.; Ho, D. D., Antibody resistance of SARS-CoV-2 variants B.1.351 and B.1.1.7. Nature 2021, 593 (7857), 130-135.

3.    Wu, L.;  Peng, C.;  Yang, Y.;  Shi, Y.;  Zhou, L.;  Xu, Z.; Zhu, W., Exploring the Immune Evasion of SARS-CoV-2 Variant Harboring E484K by Molecular Dynamics Simulations. Brief Bioinform 2021. DOI: https://dx.doi.org/10.1093/bib/bbab383.

4.   王晓宇;  彭诚;  杨延青;  石禹龙;  朱正诞;  穆凯洁;  李慧玉;  徐志建; 朱维良, 抗致病性冠状病毒活性化合物及其潜在靶标蛋白研究进展[J]. 药学学报 2020, 55 (10), 2340-2357.

5.    Shi, Y.;  Zhang, X.;  Mu, K.;  Peng, C.;  Zhu, Z.;  Wang, X.;  Yang, Y.;  Xu, Z.; Zhu, W., D3Targets-2019-nCoV: a webserver for predicting drug targets and for multi-target and multi-site based virtual screening against COVID-19. Acta Pharm Sin B 2020, 10 (7), 1239-1248.

6.    Yang, Y.;  Zhu, Z.;  Wang, X.;  Zhang, X.;  Mu, K.;  Shi, Y.;  Peng, C.;  Xu, Z.; Zhu, W., Ligand-based approach for predicting drug targets and for virtual screening against COVID-19. Brief Bioinform 2021, 22 (2), 1053-1064.

7.    Peng, C.;  Zhu, Z.;  Shi, Y.;  Wang, X.;  Mu, K.;  Yang, Y.;  Zhang, X.;  Xu, Z.; Zhu, W., Computational Insights into the Conformational Accessibility and Binding Strength of SARS-CoV-2 Spike Protein to Human Angiotensin-Converting Enzyme 2. J. Phys. Chem. Lett. 2020, 11 (24), 10482-10488.

8.    Xu, Z.;  Peng, C.;  Shi, Y.;  Zhu, Z.;  Mu, K.;  Wang, X.; Zhu, W., Nelfinavir was predicted to be a potential inhibitor of 2019-nCov main protease by an integrative approach combining homology modelling, molecular docking and binding free energy calculation. bioRxiv 2020, 2020.01.27.921627.