CN112557644A - 用于对目标抗体进行检测的多肽的筛选方法及其筛选的多肽的应用 - Google Patents

用于对目标抗体进行检测的多肽的筛选方法及其筛选的多肽的应用 Download PDF

Info

Publication number
CN112557644A
CN112557644A CN202011524055.4A CN202011524055A CN112557644A CN 112557644 A CN112557644 A CN 112557644A CN 202011524055 A CN202011524055 A CN 202011524055A CN 112557644 A CN112557644 A CN 112557644A
Authority
CN
China
Prior art keywords
polypeptide
sample
antigen
polypeptides
detecting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011524055.4A
Other languages
English (en)
Other versions
CN112557644B (zh
Inventor
王晖
刘颖
贡卓琳
郭宝森
郑汉城
李丹妮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Carbon Cloud Intelligent Technology Co ltd
Original Assignee
Zhuhai Carbon Cloud Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhuhai Carbon Cloud Intelligent Technology Co ltd filed Critical Zhuhai Carbon Cloud Intelligent Technology Co ltd
Priority to CN202011524055.4A priority Critical patent/CN112557644B/zh
Publication of CN112557644A publication Critical patent/CN112557644A/zh
Application granted granted Critical
Publication of CN112557644B publication Critical patent/CN112557644B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/543Immunoassay; Biospecific binding assay; Materials therefor with an insoluble carrier for immobilising immunochemicals
    • G01N33/54306Solid-phase reaction mechanisms
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/531Production of immunochemical test materials
    • G01N33/532Production of labelled immunochemicals
    • G01N33/533Production of labelled immunochemicals with fluorescent label

Landscapes

  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Biotechnology (AREA)
  • Biochemistry (AREA)
  • Cell Biology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Microbiology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明提供了一种用于对目标抗体进行检测的多肽的筛选方法及其筛选的多肽的应用。该筛选方法包括:利用多肽芯片技术对带荧光标记的抗原进行检测,得到与抗原具有特异性结合潜能的第一肽段集;将第一肽段集中的多肽与抗原的受体蛋白进行氨基酸序列比对,得到第二肽段集;利用含目标抗体的阳性样本和不含目标抗体的阴性样本,对第二肽段集中的多肽进行验证,从而筛选出能够检测目标抗体的多肽。利用多肽芯片技术能够在短时间内获得大量有抗原特异性结合潜能的多肽,进而通过氨基酸序列比对及已知样本验证,即可获得检测目标抗体的多肽。该方法成本低、通量高、候选多肽结合率高、准确率高等特点。

Description

用于对目标抗体进行检测的多肽的筛选方法及其筛选的多肽 的应用
技术领域
本发明涉及多肽芯片技术领域,具体而言,涉及一种用于对目标抗体进行检测的多肽的筛选方法及其筛选的多肽的应用。
背景技术
现有技术中,为了获得能对目标抗体进行检测的肽段,常规采用的方法大致如下:通过计算机软件预测目标抗体的结合位点,并根据该结合位点设计候选肽段并进行化学合成,然后对合成出的候选肽段进行标记,使标记后的候选肽段与目标抗体接触,然后检测标记的信号,进而根据信号的强弱判断候选肽段与目标抗体的结合能力,最后根据判断结果确定是否成功获得了能对目标抗体的进行检测的肽段。但是该方法的成功依赖于计算机软件的预测结合位点的能力,对基于预测出的结合位点设计候选肽段的操作人员的专业技术能力要求高,还需分别合成各种候选肽段进行实验来验证。
为此,仍需要对现有的检测目标抗体的多肽的筛选方法进行改进,以提供一种高效高通量的多肽的筛选方法。
发明内容
本发明的主要目的在于提供一种用于对目标抗体进行检测的多肽的筛选方法及其筛选的多肽的应用,为开发新的检测目标抗体的多肽提供基础。
为了实现上述目的,根据本发明的一个方面,提供了一种用于对目标抗体进行检测的多肽的筛选方法,该筛选方法包括:利用多肽芯片技术对带荧光标记的抗原进行检测,得到与抗原具有特异性结合潜能的第一肽段集;将第一肽段集中的多肽与抗原的受体蛋白进行氨基酸序列比对,得到第二肽段集;利用含目标抗体的阳性样本和不含目标抗体的阴性样本,对第二肽段集中的多肽进行验证,从而筛选出能够检测目标抗体的多肽。
进一步地,利用多肽芯片技术对带荧光标记的抗原进行检测,得到与抗原具有特异性结合潜能的第一肽段集包括:对抗原进行荧光标记;利用多肽芯片技术对带有荧光标记的抗原进行检测,得到与抗原具有不同结合信号强度的多肽集合,记为第一肽段集。
进一步地,将带有荧光标记的抗原进行多个浓度梯度稀释,得到多个不同浓度的带有荧光标记的抗原;利用多肽芯片技术对多个不同浓度的带有荧光标记的抗原进行检测,从而得到不同浓度下与抗原具有不同结合信号强度的多肽集合,记为第一肽段集。
进一步地,利用多肽芯片技术对带有荧光标记的抗原进行检测,得到与抗原具有特异性结合潜能的第一肽段集包括:将多肽芯片与带有荧光标记的抗原进行孵育,得到与抗原具有不同结合信号强度的多肽集合;按照结合信号强度对多肽集合中的多肽进行排序;选取排名靠前的第一预定数量的多肽作为第一肽段集。
进一步地,按照结合信号强度对多肽集合中的多肽进行排序包括:计算每个浓度下,与抗原具有不同结合信号强度的多肽集合中的每种多肽序列对应特征的信号强度值,并按照信号强度值进行排序;优选地,计算每个浓度下,与抗原具有不同结合信号强度的多肽集合中的每种多肽序列对应特征的信号强度的均值或中位值,并按照均值或中位值进行排序;更优选地,对每个浓度下,与抗原具有不同结合信号强度的多肽集合中的每种多肽序列对应特征的信号强度值进行log10转换,并按照转换之后的log10值的均值或中位值进行排序。
进一步地,选取排名靠前的第一预定数量的多肽作为第一肽段集包括:选择在设定比例的浓度范围中排序均在前第二预定数量的多肽作为第一候选集;从第一候选集中去除在空白对照的多肽芯片检测结果中排序在前第三预定数量的多肽,得到第二候选集;计算第二候选集中每条多肽在多个浓度下的均值或中位值;根据均值或中位值,对第二候选集中的每条多肽进行排序,挑选排名在前第一预定数量的多肽,作为第一肽段集。
进一步地,抗原为病原体的表面抗原;优选地,病原体为SARS-CoV-2、SARS、HBV、HCV及HPV中的任意一种;优选地,抗原为SARS-CoV-2的S蛋白、SARS-CoV-2的N蛋白、SARS的S蛋白及HBsAg中的任意一种;进一步优选,SARS-CoV-2的S蛋白为SARS-CoV-2的S-RBD重组蛋白;优选地,目标抗体为针对抗原的中和抗体。
进一步地,抗原为SARS-CoV-2的S-RBD重组蛋白,将带有荧光标记的抗原进行多个浓度梯度稀释,得到多个不同浓度的待测样本包括:将初始浓度为0.5mg/mL的荧光标记的S-RBD重组蛋白分别按照1:500、1:1000、1:5000、1:10000、1:50000、1:500000及1:5000000的浓度进行稀释,得到多个不同浓度的待测样本。
进一步地,利用含目标抗体的阳性样本和不含目标抗体的阴性样本,对第二肽段集中的多肽进行验证,从而筛选出能够检测目标抗体的多肽包括:将阳性样本和阴性样本分别稀释不同浓度后与带荧光标记的抗原共孵育,得到不同浓度的阳性处理样本和阴性处理样本;利用多肽芯片技术分别对阳性处理样本、阴性处理样本以及带荧光标记的抗原进行检测,检测结果分别记为结果A1、结果A2和结果A3;计算各浓度下第二肽段集中的多肽的荧光信号强度在结果A3与结果A1中的差值1,以及在A3与结果A2中的差值2,并比较差值1与差值2;若多肽在2个或2个以上浓度下,优选所有浓度下的差值1大于差值2,则多肽即为能够检测目标抗体的多肽;优选地,阳性样本和阴性样本均为血清样本。
根据本发明的第二个方面,提供了一种检测待测样本是否含有目标抗体的方法,该方法包括:将待测样本与带荧光标记的抗原进行共孵育预处理,得到预处理待测样本;利用多肽芯片技术分别对预处理待测样本和带荧光标记的抗原进行检测,检测结果分别记为结果a和结果b;统计标志物多肽对应特征的荧光信号强度在结果a和结果b中的差值;若差值满足判断阈值,则判定待测样本中含有目标抗体;其中,标志物多肽为上述任一种筛选方法筛选得到的多肽。
进一步地,抗原为病原体的表面抗原,优选病原体为SARS-CoV-2、SARS、HBV、HCV及HPV中的任意一种;优选地,抗原为SARS-CoV-2的S蛋白、SARS-CoV-2的N蛋白、SARS的S蛋白及HBsAg中的任意一种;进一步优选,SARS-CoV-2的S蛋白为SARS-CoV-2的S-RBD重组蛋白;优选地,目标抗体为针对抗原的中和抗体。
进一步地,判断阈值通过以下方法计算得到:计算上述任一种筛选方法筛选得到的多肽中的一种或以上,优选SEQ ID NO:1和SEQ ID NO:4所示的两种标志物多肽对应特征的荧光信号强度在各阴性处理样本中和在带荧光标记的抗原中的差值,并计算差值的平均值,记为差异均值;选择所有阴性处理样本对应的差异均值中的最大值作为判断阈值;其中,阴性处理样本为阴性样本与带荧光标记的抗原进行共孵育预处理后的样本;优选地,待测样本和阴性样本均为血清样本;优选地,在计算差值之前,将多肽对应特征的荧光信号强度转换为对数值,更优选转换为log10值进行计算。
进一步地,在最佳样本浓度下进行共孵育预处理;优选地,最佳样本浓度通过如下方式确定:利用多个不同浓度的阴性样本和多个不同浓度的阳性样本分别与带荧光标记的抗原进行共孵育预处理,得到不同浓度下的阴性处理样本和阳性处理样本;利用多肽芯片技术对阴性处理样本和阳性处理样本进行检测,获得在不同浓度下的检测结果;选择不同浓度下的检测结果中,荧光信号强度在阴性处理样本和阳性处理样本中的差异最显著的多肽所对应的浓度,即为最佳样本浓度;
进一步地,在最佳样本浓度下计算判断阈值;优选地,将荧光信号强度在阴性处理样本和阳性处理样本中的差异最显著的多肽记为最佳多肽,在最佳样本浓度下利用最佳多肽计算得到判断阈值;进一步优选,最佳样本浓度为1:5000的稀释倍数,最佳多肽为SEQ IDNO:1和SEQ ID NO:4所示的多肽。
应用本发明的技术方案,本申请中所提供的筛选方法,通过利用多肽芯片技术,能够在短时间内获得大量的抗原特异性结合潜能的多肽(日通量可达1000样本,与现代药物设计方法中的基于片段的药物设计相比,具有通量高的优势),完成多个潜在候选的功能多肽的筛选,在此基础上通过氨基酸序列比对和已知样本验证,即可获得检测目标抗体的多肽,该方法具有成本低、通量高、候选多肽结合率高、准确率高等特点。
本申请中所筛选的多肽与S蛋白的特异性结合,均能被中和抗体竞争性地降低或抑制,从而能够用于检测和表征待测样本中是否存在目标抗体。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了本申请优选实施例中所提供的用于检测新冠病毒S-RBD抗体的特异性肽段的筛选方法的流程示意图;
图2示出了根据本发明的实施例3中FDLFYVEKG肽段在新冠中和抗体阳性样和阴性样本检测结果中存在的信号值差异;
图3示出了根据本发明的实施例3中的PFGDLFYLG肽段在新冠中和抗体阳性样本和阴性样本检测结果中存在的信号值差异。
图4示出了根据本发明的实施例3中的GANEVFVLF肽段在新冠中和抗体阳性样本和阴性样本检测结果中存在的信号值差异。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将结合实施例来详细说明本发明。
术语解释:
抗体是血液和组织液中的一类糖蛋白,由B细胞接受抗原刺激后增殖分化生成的浆细胞产生,主要存在于血清等体液中,能与相应抗原特异性地结合,是介导体液免疫的重要效应分子。接受抗原刺激活化的B细胞能够在1周内产生1011拷贝的单一特异性抗体。
中和抗体:中和抗体是适应性免疫中体液免疫的一部分,是一种能够通过结合病毒、细菌或微生物毒素,从而保护细胞抵御外来病原体或传染性颗粒的抗体。其通过与感染性颗粒上的表面结构(抗原)特异性结合,从而防止颗粒与其可能感染和破坏的宿主细胞相互作用,最终使病原体无法感染细胞或致病。
多肽芯片:是一种基于衬底材料的芯片,芯片上包括预先设计数量、位置和序列的特征,一个特征是一簇序列相同的多肽,特征与特征之间的多肽序列往往是不一样的,这些特征组成一个高密度多肽阵列。
多肽芯片技术:是基于多肽芯片的检测技术,其利用多肽芯片上的种类繁多的多肽与样本的接触,然后利用图像采集技术采集多肽芯片上各个特征信号(具体可表现为携带各个特征信号的荧光图像),进而输出芯片中每个特征的信号强度,即多肽芯片检测结果数据。基于多肽芯片检测结果数据,可实现对与多肽芯片上的多肽结合的样本中的待测物的分析,样本的分析等。
如背景技术所提到的,现有技术在制备检测目标抗体的候选肽段时,更多依赖于软件预测的结合位点的能力,对预测人员的专业技能要求较高,为了便于简单、快速高通量地筛选能够检测目标抗体的肽段,在本申请一种典型的实施方式中,提供了一种用于对目标抗体进行检测的多肽的筛选方法,该筛选方法包括:利用多肽芯片技术对带荧光标记的抗原进行检测,得到与抗原具有特异性结合潜能的第一肽段集;将第一肽段集中的多肽与抗原的受体蛋白进行氨基酸序列比对,得到第二肽段集;利用含目标抗体的阳性样本和不含目标抗体的阴性样本,对第二肽段集中的多肽进行验证,从而筛选出能够检测目标抗体的多肽。
上述筛选方法,通过利用多肽芯片技术,能够在短时间内对特异性结合抗原(例如SARS-CoV-2的表面抗原)的潜在多肽筛选出来,该方法具有成本低、通量高的特点,在此基础上为进一步确认所筛选的潜在多肽能够特异性地识别并结合目标抗体(例如中和抗体),将潜在多肽与抗原受体蛋白的序列进行比对,获得与受体蛋白序列类似的多肽,此类多肽与抗原的特异性结合,能够被抗原刺激机体产生相应的目标抗体所抑制,进而利用已知目标抗体阳性的样本和阴性样本分别对筛出来的多肽进行验证,从而进一步确定得到的多肽能够用于检测目标抗体。
上述筛选方法从筛选潜在多肽到利用已知样本验证筛选出的多肽,均通过利用多肽芯片技术来实现,具有成本低、通量高且检测准确性高的优势。且上述抗原为带有荧光标记的抗原,
上述氨基酸序列比对利用比对软件进行,比如利用blast软件,将上述第一肽段集中的多肽与目标蛋白(抗原的受体蛋白)进行比对,挑选bit score>14的肽段,该bit score=14为比对阈值,满足bit score>14即表明该肽段与目标蛋白(抗原的受体蛋白)序列之间一定的具有相似性。
在一种优选的实施例中,若样本恰为最佳浓度或较佳的几个浓度中的一个时,利用多肽芯片技术对带荧光标记的抗原进行检测,得到第一肽段集包括:对抗原进行荧光标记;利用多肽芯片技术对带有荧光标记的抗原进行检测,得到与所述抗原具有不同结合信号强度的多肽集合,记为所述第一肽段集。在另一种优选的实施例中,若不确定最佳样本浓度时,利用多肽芯片技术对带荧光标记的抗原进行检测,得到第一肽段集包括:对抗原进行荧光标记;将带有荧光标记的抗原进行多个浓度梯度稀释,得到多个不同浓度的待测样本;利用多肽芯片计算对多个待测样本进行检测,从而得到不同浓度下与抗原具有不同结合信号强度的多肽集合,记为第一肽段集。
将带有荧光标记的抗原稀释成多个浓度进行多肽芯片检测,能够将在多个不同浓度下与抗原均呈现出强结合信号的多肽筛选出来,进一步根据随稀释倍数的增加,如果结合信号强度并不虽稀释浓度增大而变低,即在不同浓度下始终呈现强结合信号,则可证明该肽段与抗原存在特异性结合。
本申请的上述抗原在检测之前进行了荧光标记,因而不同浓度稀释后与多肽芯片进行孵育,即可得到不同浓度下与抗原具有不同结合信号强度的多肽集合,而无需通过与带荧光的二抗孵育来获得荧光强度信号。因此,本申请的方法步骤更为简单,效率更高,成本更低。
在相关技术中,例如Health Tell公司的多肽芯片技术,在利用多肽芯片技术检测样本时,抗原是不带荧光标记的,需要先将包含抗原的待测样本与多肽芯片进行孵育,得到第一孵育产物;然后,再利用荧光二抗与第一孵育产物进行孵育,才能得到与抗原结合的不同信号强度的多肽集合。
上述筛选方法中,将多个待测样本与多肽芯片进行孵育,从而得到不同浓度下与抗原具有不同结合信号强度的多肽集合,记为第一肽段集包括:将多个待测样本与多肽芯片进行孵育,得到不同浓度下与抗原具有不同结合信号强度的多肽集合;按照结合信号强度对多肽集合中的多肽进行排序;选取排名靠前的第一预定数量的多肽作为第一肽段集。
需要说明的是,排名靠前的预定数量的多肽序列,可以是排名在前N的多肽序列,其中N为大于等于1的正整数;也可是排位在大于等于M且小于N的多肽,其中,M和N均为大于等于1的正整数,且M小于N。
上述利用多肽芯片技术进行检测,例如,利用Health Tell公司V13芯片可实现同时对24个样本的检测,每个V13芯片上有24个重复的多肽阵列,每个阵列上分别有131712种多肽(特征)。这131712种多肽是分别由5-13个无偏差的随机氨基酸组合形成的多肽序列,能够对四聚体(4肽)的多样覆盖率达到99.9%,对五聚体(五肽)的多样覆盖率为48.3%。且Health Tell公司的多肽芯片技术平台,目前每次可同时对24个芯片进行检测。
上述对不同浓度下,与抗原结合的多肽按照结合信号由强到弱进行排序,具体的排序操作不限,只要是按照结合信号强弱进行排序即可。在一种优选的实施例中,按照结合信号强度对多肽集合中的多肽进行排序包括:计算每个浓度下,与抗原具有不同结合信号强度的多肽集合中的每种多肽序列对应特征的信号强度值,并按照信号强度值进行排序;优选地,计算每个浓度下,与抗原具有不同结合信号强度的多肽集合中的每种多肽序列对应特征的信号强度的均值或中位值,并按照均值或中位值进行排序;更优选地,对每个浓度下,与抗原具有不同结合信号强度的每种多肽序列对应特征的信号强度值进行log10转换,并按照转换之后的log10值的均值或中位值进行排序。转换成log10值,缩小数据的绝对数值,便于计算。
上述排序筛选满足排名靠前的第一预定数量多肽的步骤中,筛选的原则是:1)在多个浓度下排名均靠前;2)不在空白对照和标准品对照排名靠前的位置中出现;3)按log10值均值或中位值排名靠前。
需要说明的是,log10转换的主要目的是用于优化数值分布,其仅是使信号强度值的具体数值趋于正态化的一种优选的方式,也可以利用其他的使数值趋于正态化的转换方式(比如,利用原始信号强度值取对数,比如取ln、log2、log20等),或者利用基于log10的二次计算方式(比如log10的倒数),再或者利用分位数转换或Rank Guass等。
需要说明的是,上述选取排名靠前的第一预定数量的多肽,根据检测时,所使用的带荧光标记的抗原的样本个数,若带荧光标记的抗原仅有一个浓度时,则排名靠前的第一预定数量的多肽就是该浓度下的前第一预定数量的多肽。而当带荧光标记的抗原存在多个不同的浓度时,根据实际需要,可以选择其中一个浓度下的前第一预定数量的多肽,也可以对多个浓度下的排名靠前的多肽进行综合评估后进行选择。
在一种优选的实施例中,上述选取排名靠前的第一预定数量的多肽作为第一肽段集包括:选择在设定比例的浓度范围中(比如至少70%、75%、80%、85%、90%或95%以上的浓度中,每个浓度下进行两次或两次以上的技术重复,取多次重复的均值或中位值在各浓度下进行排序)排序均在前第二预定数量的多肽作为第一候选集;从第一候选集中去除在空白对照中排序(排序的方法与前述相同)在前第三预定数量的多肽,得到第二候选集;计算第二候选集中每条多肽多个浓度下的均值或中位值;根据该均值或中位值,对第二候选集中的每条多肽进行排序,挑选排名在前第一预定数量的多肽,作为第一肽段集。
上述优选实施例中,第一预定数量、第二预定数量以及第三预定数量各自具体的数值并无限定,可以根据具体抗原的具体筛选情况进行合理设置。但需要说明的是,按照第二预定数量、第三预定数量及第一预定数量的顺序,具体数值呈顺序逐渐递减的趋势。比如,若第二预定数量为500;第三预定数量为100,第一预定数量为50、40、30、20、10、9或8,或为10-50之间的任意一个数。
上述筛选方法适用于筛选用于检测任何感兴趣的目标抗体的多肽,此处的目标抗体包括但不限于SARS-CoV-2、SARS、HBV、HCV及HPV中的任意一种病原体刺激机体后产生的任一种抗体。优选地,抗原为病原体的表面抗原;优选地,抗原为SARS-CoV-2的S蛋白、SARS-CoV-2的N蛋白、SARS的S蛋白及HBsAg中的任意一种;进一步优选,SARS-CoV-2的S蛋白为SARS-CoV-2的S-RBD重组蛋白;优选地,目标抗体为针对病原体的中和抗体。
上述将抗原稀释成多个不同的浓度步骤中,具体稀释的浓度可以根据抗原的不同进行合理设置。在一种优选的实施例中,上述抗原为SARS-CoV-2的S-RBD重组蛋白,将初始浓度为0.5mg/mL的带有荧光标记的抗原进行多个浓度梯度稀释,得到多个不同浓度的待测样本包括:将荧光标记的S-RBD重组蛋白分别按照1:500、1:1000、1:5000、1:10000、1:50000、1:500000及1:5000000的浓度进行稀释,得到多个不同浓度的待测样本。
对于上述筛选得到的第二肽段集中的肽段进一步验证,上述方法是利用已知含目标抗体的阳性样本和不含目标抗体的阴性样本进行验证筛选,从而一步验证所筛选的多肽在检测目标抗体方面的准确性。在一种优选的实施例中,利用含目标抗体的阳性样本和不含目标抗体的阴性样本,对第二肽段集中的多肽进行验证,从而筛选出能够检测目标抗体的多肽包括:将阳性样本和阴性样本分别稀释不同浓度后与带荧光标记的抗原共孵育,得到不同浓度的阳性处理样本和阴性处理样本;利用多肽芯片技术分别对阳性处理样本、阴性处理样本以及带荧光标记的抗原进行检测,检测结果分别记为结果A1、结果A2和结果A3;计算各浓度下,第二肽段集中的多肽的荧光信号强度在结果A3与在结果A1中的差值1,以及在结果A3与结果A2中的差值2,并比较差值1与差值2;若多肽在2个或2个以上浓度下,优选所有浓度下的差值1均大于差值2,则该多肽即为能够检测目标抗体的多肽。优选地,阳性样本和阴性样本均为血清样本。
上述筛选方法筛选得到的多肽能够用于检测目标抗体的存在与否。因而在本申请第二种典型的实施方式中,提供了一种检测待测样本中是否存在目标抗体的方法,该方法包括:将含待测抗体的样本与荧光标记的抗原进行共孵育预处理,得到预处理待测样本;利用多肽芯片技术分别对预处理待测样本和带荧光标记的抗原进行检测,检测结果分别记为结果a和结果b;检测标志物多肽对应特征的荧光信号强度在结果a和结果b中的差值;若该差值满足判断阈值,则判定待测样本中含有目标抗体;其中,标志物多肽为上述任一种筛选方法筛选得到的能够检测目标抗体的多肽。
利用上述筛选方法得到的多肽,能够特异性地结合抗原(比如抗原蛋白,SARS-CoV-2的S-RBD重组蛋白),这种结合能够被目标抗体竞争性抑制,因而能够作为检测待测样本中是否含有目标抗体的标志物,当待测样本与抗原共孵育后,该标志物肽段的信号被显著抑制,则可认为待测样本中含有目标抗体。若标志物肽段的信号并无明显变化,则表明待测样本不含目标抗体。
如前述,该方法可以用于检测任何感兴趣的抗原刺激机体产生的目标抗体。优选地,抗原为病原体的表面抗原,病原体包括但不限于SARS-CoV-2、SARS、HBV、HCV及HPV中的任意一种。优选地,抗原为SARS-CoV-2的S蛋白、SARS-CoV-2的N蛋白、SARS的S蛋白及HBsAg中的任意一种;进一步优选,SARS-CoV-2的S蛋白为SARS-CoV-2的S-RBD重组蛋白;优选地,目标抗体为针对病原体的中和抗体。
下面以目标抗体为SARS-CoV-2的S-RBD重组蛋白的中和抗体为例,解释上述方法的检测步骤:将待测样本与S-RBD重组蛋白共孵育后,若待测样本中含有S-RBD重组蛋白的中和抗体,则该中和抗体与S-RBD重组蛋白结合,当将孵育后的待测样本进行多肽芯片检测时,对应的检测SARS-CoV-2的S-RBD重组蛋白的中和抗体的多肽,则难以与S-RBD重组蛋白结合,进而使得荧光信号减弱甚至消失;而多待测样本不含中和抗体,则难以与S-RBD重组蛋白结合,进而在多肽芯片检测时,也不能抑制标志物多肽与S-RBD重组蛋白结合的荧光信号(即标志物多肽的荧光强度无明显变化)。由此可以判断出待测样本中是否含有中和抗体。
具体地,上述抗原的选择,可以根据不同的适应症进行合理选择。以COVID-19为例,具有5个必需基因,分别针对核蛋白(N)、病毒包膜(E)、基质蛋白(M)和刺突蛋白(S)4种结构蛋白及RNA依赖性的RNA聚合酶(RdRp)。核蛋白(N)包裹RNA基因组构成核衣壳,外面围绕着病毒包膜(E),病毒包膜包埋有基质蛋白(M)和刺突蛋白(S)等蛋白。刺突蛋白通过结合血管紧张素转化酶2(ACE-2)进入细胞。体外分离培养时,新型冠状病毒96个小时左右即可在人呼吸道上皮细胞内发现,而在VeroE6和Huh-7细胞系中分离培养约需4~6天。冠状病毒对紫外线和热敏感,56℃30分钟、乙醚、75%乙醇、含氯消毒剂、过氧乙酸和氯仿等脂溶剂均可有效灭活病毒,氯己定不能有效灭活病毒。因此,可以选择SARS-CoV-2刺突蛋白作为抗原,也可以选择N蛋白作为抗原。
上述判断阈值的具体计算方式不限,只要能确认两个样本群体之间存在显著差异的阈值均作为此处的判断阈值。在一种优选的实施例中,判断阈值可以通过以下任一种计算方法计算得到:计算本申请的筛选方法筛选得到的多肽中一种或以上(优选SEQ ID NO:1和SEQ ID NO:4所示的两条标志物多肽)对应特征的荧光信号强度在各阴性处理样本(即阴性样本与带荧光标记的抗原进行共孵育预处理后的样本)中与带荧光标记的抗原中的差值,并计算该差值的平均值,记为差异均值;选择所有阴性处理样本对应的差异均值中的最大值作为判断阈值;优选地,在计算该差值之前,将用于检测的多肽的相应特征的信号强度转换为对数值,更优选转换为log10值进行计算。
上述多肽相应特征的荧光信号强度转换的原则与前述相同,仅便于计算。上述判断阈值的计算方法举例说明如下:如某个阴性处理样本的2条标志物多肽的荧光信号强度转换为log10值之后分别为4.9和4.7,而只有荧光标记的抗原的样本中对应的这2条标志物多肽的荧光信号强度转换为log10值之后分别为5.2和4.8,则各自计算差值为5.2-4.9=0.3,以及4.8-4.7=0.1,取这2条多肽相应差值的平均值,即0.3与0.1的平均值0.2作为该阴性处理样本的差异均值。假如有10个阴性处理样本,均利用上述方式计算差异均值,比较10个差异均值中的最大值,若该最大值为0.4,则0.4即为判断阈值。
需要说明的是,上述检测可以在多个不同浓度下进行检测得到结果,为了在检测结果准确的基础上进一步提高检测效率,在一种优选的实施例中,选择在最佳样本浓度下进行上述共孵育预处理。此处的最佳样本浓度指在阴性样本和阳性样本检测时,荧光信号强度差异最显著时的样本稀释浓度,具体可以通过多个浓度下实验进行确定。
优选地,上述最佳样本浓度通过如下方式确定:利用多个不同浓度的阴性样本和多个不同浓度的阳性样本分别与带荧光标记的抗原进行共孵育预处理,得到不同浓度下的阴性处理样本和阳性处理样本;利用多肽芯片技术对上述阴性处理样本和上述阳性处理样本进行检测,获得在不同浓度下的检测结果;选择上述不同浓度下的检测结果中,荧光信号强度在上述阴性处理样本和上述阳性处理样本中的差异最显著的多肽所对应的浓度,即为上述最佳样本浓度。
进而优选地,在上述最佳样本浓度下计算上述判断阈值;更优选地,将荧光信号强度在上述阴性处理样本和上述阳性处理样本中的差异最显著的多肽记为最佳多肽,在上述最佳样本浓度下利用上述最佳多肽计算得到上述判断阈值。
当待测样本为是否含新冠病毒或是否含新冠病毒的中和抗体的血清样本时,优选上述最佳样本浓度为1:5000的稀释倍数,上述最佳多肽为SEQ ID NO:1和SEQ ID NO:4所示的多肽。
优选,上述待测样本中是否含有目标抗体的检测方法可以通过多肽芯片的方法来进行检测。即,上述标志物多肽设置在多肽芯片上。通过将待测样本与带荧光标记的抗原预先孵育,若待测样本中含有目标抗体,则能够与带荧光标记的抗原特异性结合,从而抑制了后续带荧光标记的抗原与芯片上的多肽的结合,使得多肽的检测信号强度减弱或消失,若这种减弱或降低的程度满足了预设阈值,则可判断待测样本中含有目标抗体。但需要说明的是,本申请中并不排除,也可以将所筛选的多肽设置成类似ELISA试剂盒或免疫胶体金试剂盒类似的产品进行上述检测。
需要说明的是,对本申请中的抗原进行荧光标记的具体操作可以利用市售荧光标记试剂盒进行,具体选择的荧光标记不限,只要能够时抗原带上可识别信号强弱的荧光标记即可。比如,可以是GFP、RFP、FITC、CY3、CY5、鲁米诺、异鲁米诺等。
下面将结合具体的实施例来进一步说明本申请的有益效果。
以新冠病毒为例,被新冠病毒感染过的人一般会产生中和抗体,这些功能性抗体通过与病毒表面的刺突蛋白(S)结合来阻止病毒再感染健康细胞,具体而言,新型冠状病毒S蛋白的受体结合区(RBD)可以与人的血管紧张素转换酶(ACE2)结合进一步引起细胞对新冠病毒的内吞,导致病毒感染,而新冠病毒的中和抗体可以竞争性的与新型冠状病毒S蛋白的受体结合区结合从而阻断这一过程。
目前现有技术中对新冠病毒中和抗体的检测大都是通过酶联免疫法技术进行新冠病毒中和抗体的检测,主要技术路线如下:首先将制备好的ACE2蛋白包被在Elisa板上,然后将S蛋白与样本进行检测前的混合孵育,之后再将孵育后的样本加入酶标板中进行检测,若样本中存在新冠病毒的中和抗体,则其能竞争性抑制ACE2与S蛋白的结合,从而定性检测是否为新冠中和抗体阳性样本。该技术依赖于高质量的ACE2蛋白用于酶标板的包被,且存在样本检测通量有限、性能指标不够良好等问题。
以下实施例按照图1所示流程,使用HealthTell公司的多肽芯片技术,利用V13芯片(含有超过13万种多肽的肽段簇)进行检测新冠病毒中和抗体的多肽的筛选。
实施例1 第一肽段集的获得
在本实施例中,通过以刺突蛋白(S)的受体结合区域(RBD,即S蛋白的第319位氨基酸至第541位的氨基酸)代表S蛋白,进行第一肽段集的筛选。
其具体筛选步骤如下:
1、使用荧光标记试剂盒-Alexa
Figure BDA0002849937050000101
555Protein Labeling Kit(A20174),对S-RBD重组蛋白(购自南京金斯瑞生物科技有限公司,货号为Z03483,为定制产品,序列如SEQID NO:6所示)进行荧光标记:
a.配制1M的碳酸钠缓冲溶液:加入1ml的蒸馏水至组分B玻璃瓶中(84mg的碳酸钠),混匀使其溶解;
b.稀释蛋白:若蛋白浓度大于2mg/mL,需将蛋白稀释至2mg/mL(例如:1mg蛋白溶于0.5mL 1×PBS或者0.1M碳酸钠缓冲溶液);
c.调节pH:加入50μL 1M碳酸钠缓冲溶液(来自步骤a)至0.5mL含蛋白的1×PBS;最终pH值应是7.5–8.3。若蛋白已置于碳酸钠缓冲溶液(pH 8.0–8.3)或者PBS(pH 8.0)则可略过这一步;
d.配置标记反应混合液:加入蛋白溶液(来自步骤c)至装有反应染料的一个玻璃瓶中(组份A)。盖上瓶盖,温和倒置或经枪头轻微吹打混合均匀。搅拌反应混合液,避免起泡;
e.孵育标记反应:于室温下低速磁力搅拌1小时。注意避免溶液起泡;
2、纯化已标记的S-RBD蛋白
a.准备纯化柱/纯化树脂:组装纯化柱,加入纯化树脂(组份C)至顶端3cm处。加入1×PBS检查缓冲液是否能够流通。若缓冲液流动受阻,移除树脂,清洁玻璃滤头并重新装填树脂/缓冲液。加入标记蛋白前需待多余缓冲液排出;
b.配置1×洗脱缓冲剂:于室温用蒸馏水将10X洗脱缓冲液(组份D)稀释10倍。正常情况下,单次提纯用量不超过10mL;
c,蛋白质提纯:移开漏斗。倒入反应液至提纯柱树脂上;等待反应液融入树脂。用洗脱缓冲剂或1×PBS洗提蛋白质,收集并保留所有余液;
d.计算DOL(标记程度)并且储存标记蛋白。
3、对已做好荧光标记的新冠S-RBD蛋白做浓度梯度稀释,并利用多肽芯片技术筛选能与S-RBD相互结合的肽段。
多肽芯片检测方法如下:
1)样本制备
纯化后的荧光标记S-RBD蛋白初始浓度为0.5mg/mL,分为7个浓度梯度1:500、1:1000、1:5000、1:10000、1:50000、1:500000、1:5000000系列稀释。
2)芯片的水化和组装
将芯片置于芯片水化用具中,加入超纯水没过芯片,在轨道摇床上55±5rpm/min,水化20min。然后用异丙醇喷洒芯片表面后将芯片放入离心机离心干燥。干燥好的芯片按照实验设计的位置组装成assay cassette。
3)样本与芯片孵育结合
将稀释好的样本按照90μL/孔加入组装好的芯片上,置于恒温振荡仪上振荡孵育1小时。
4)样本清洗
将assay cassette置于洗板机进行清洗。
5)成像
将assay cassette中的芯片进行拆卸、清洗、干燥后组装进imaging cassette,放入Molecular Device公司的ImageXpress micro 4成像仪进行扫描成像。最终每个检测样本得到一张TIFF图片文件,即为原始数据。
本实施例中,利用的多肽芯片技术平台捕获S-RBD重组蛋白与多肽芯片结合的信号,再将信号转换获得数据。其中,多肽芯片技术所使用到的仪器设备包括多肽芯片(比如Health Tell V13芯片,型号为P/N:600001V13 Slides),荧光成像仪(比如MelecularDevice Image Xpress Micro-4),芯片离心机(比如Labnet C1303T-230V),洗板机(比如BioTek Instruments,405TSUVS),96孔板轨道式振荡器(比如Thermo scientific,88880026),恒温混匀器(比如Eppendorf Thermomixer C)。
4.数据预处理
1)提取特征的荧光强度数值,输出1个GPR5数据文件和1个corner images文件。其中,GPR5文件包含了一个样本的所有信息和所有特征的荧光强度信息。
2)从所有样本的GPR5数据文件中提取特征的荧光强度信息,生成原始荧光强度(FG,foreground)数据矩阵。然后对每个样本的数据分别进行对数转换得到LFG(log-transferred foreground)数据矩阵、进行z-score的标准化处理获得NLFG(normalizedand log-transferred foreground)数据矩阵。该步骤还会生成一个样本芯片信息文件,该文件包括了样本阵列位置、所用芯片编号等信息。
5.质控
通过Health Tell自带的质控方法对样本和系统进行质控,是合格的。
6.筛选能与S-RBD蛋白强结合的多肽序列:取排除背景信号后,在不存在过饱和现象下的信号强度排序在不同浓度下均靠前的信号肽段。
6.1)先将各信号强度转化成log10值,然后对于每个浓度的S-RBD蛋白样本(每个样本三次技术重复),逐个特征计算三次技术重复的log10值的中位数;
6.2)对于每个浓度的中位数样本,将数值转换为降序(降序排序:descending,对于数值相同的特征,使用method=min(lowest rank in group))排序;
6.3)对于一个肽段而言,如果某肽段在70%以上的浓度中的排序均在前100以内,将该肽段纳入候选,即第一候选集;
6.4)从所有候选肽段中,去除无关样本(即在空白对照中排序前5000的肽段),得第二候选集;
6.5)根据第二候选集中的各个肽段在不同浓度情况下对应的排序结果计算排序均值,然后进行排序,挑选出排名靠前的肽段。
7.将筛选出与S-RBD蛋白具有强相互作用的肽段,作为能够检测中和抗体的初筛肽库,即第一肽段集。部分信息具体信息如表1所示。
表1:
Figure BDA0002849937050000121
Figure BDA0002849937050000131
比对hACE2序列结果(数值区间):表示的是肽段与hACE2的氨基酸序列中能比对上的氨基酸的区间。
上表中的数字由大到小代表信号强度由强到弱(即数字1代表信号强度最强),而信号强度一定程度上代表着结合能力的强弱。但是,浓度是信号强度的一个影响因素,理论上,候选肽段在不同浓度下若均较强,或均具有一定的信号强度,则代表该肽段与S-RBD的结合能力较强。
上述操作中,将S-RBD进行不同浓度梯度稀释的原因是,需要根据不同浓度梯度稀释来确定较佳的检测浓度,以及根据在不同浓度情况下的检测结果是否都具有较强的信号,从而筛选得出第一肽段集。
实施例2 第二肽段集的获得
由于根据中和抗体的定义,只有能够竞争性抑制病毒与受体结合的抗体才叫做中和抗体,因此筛选出的肽段应能够较好地比对到hACE2的序列上。
筛选出能够与S蛋白很好地结合,同时与已知的S蛋白受体hACE2的序列相匹配的肽段作为第二肽段集。具体的匹配示例如下:
利用blast软件,将上述第一肽段集中的所有候选肽段与S蛋白受体hACE2进行比对,挑选bit score>14的肽段,其中bit score=14为比对阈值,满足bit score>14即表明该肽段与S蛋白受体hACE2之间一定的具有相似性。
其中,与hACE2序列比对得到的5条肽段信息如下:
1)FDLFYVEKG(SEQ ID NO:1)
2)HKVDLFYFSD(SEQ ID NO:2)
3)LQLFQLFYQVF(SEQ ID NO:3)
4)PFGDLFYLG(SEQ ID NO:4)
5)GANEVFVLF(SEQ ID NO:5)。
实施例3 中和试验验证第二肽段集
本实施例的验证步骤具体如下:
1.依据荧光标记新冠S-RBD蛋白筛选候选肽段的多肽芯片技术检测结果,将S-RBD蛋白分别设置1:5000和1:10,000两个稀释比例来做中和实验;
2.分别对新冠病毒中和抗体阳性的人群血清样本和新冠病毒核酸检测及抗体检测阴性的健康人血清样本进行浓度梯度稀释。
1)具体样本类型:
临床阳性血清样本:新冠病毒中和抗体阳性的人群血清样
临床阳性血清样本:共计2例新冠病毒中和抗体阳性血清样本,分别稀释500,1000,5000,10000倍,每个浓度下进行3个技术重复。
阴性对照血清样本:共计2例已通过检测新冠病毒核酸检测及抗体检测阴性的健康人血清样本,分别稀释500,1000,5000,10000倍,每个浓度下进行3个技术重复。
3.检测步骤:
1)样本制备
将步骤2中稀释后的待测血清样本与50μL荧光标记S蛋白进行1:1混合,并进行37℃孵育60分钟(每30分钟手动混合一下混合物),之后完成共同孵育的样本取90μl作为上样的样本。
2)多肽芯片组装
根据样本量取出4张芯片并组装芯片卡夹。
3)多肽芯片水化
将芯片卡夹放入水化盒中,加入水化剂1,放置于96孔板轨道式振荡器(55rpm)20分钟进行水化。之后喷洒水化剂2,放置20分钟直至表面风干。
4)上样
将与S蛋白完成孵育的样本按照90μL/孔加入组装好的芯片上,用封板膜封板,检查确认每一个孔位密封完好。
每一张芯片上加入阴性对照1孔,阳性对照1孔及待测样本,各90μL/孔。
其中阴性对照为样本稀释液;阳性对照为含有一定浓度的荧光标记的S-RBD蛋白溶液,具体为用样本稀释液按1:5000的稀释度稀释0.5mg/mL的纯化后的荧光标记S-RBD蛋白。
5)孵育
将组装好的芯片放置于96孔板37℃恒温混匀器上孵育60分钟,每6分钟需要将芯片卡夹震荡15s。
6)洗板
终止震荡,撕膜后将芯片卡夹置于洗板机或进行人工清洗。
7)芯片干燥
将芯片卡夹放入水化盒,加入水化剂1清洗。之后喷洒水化剂2,放入芯片离心机中离心,干燥芯片。
8)荧光成像
使用机械臂将芯片卡夹首先转移至条形码扫描的位置,待扫描完成后,再将芯片卡夹转移至成像系统中,进行成像,生成TIFF图像。软件系统会进一步从图像文件中提取特征强度数据。
9)数据处理
9.1提取特征的荧光强度数值,输出1个GPR5数据文件和1个corner images文件。其中,GPR5文件包含了一个样本的所有信息和所有特征的荧光强度信息。
9.2从所有样本的GPR5数据文件中提取特征的荧光强度信息,生成原始荧光强度(FG,foreground)数据矩阵。然后对每个样本的数据分别进行对数转换得到LFG(log-transferred foreground)数据矩阵、进行z-score的标准化处理获得NLFG(normalizedand log-transferred foreground)数据矩阵。该步骤还会生成一个样本芯片信息文件,该文件包括了样本阵列位置、所用芯片编号等信息。
结果分析:针对新冠中和抗体阳性样本和阴性样本检测结果中,上述5条候选肽段的信号值差异,确定出有2条最佳的特异性靶标信号肽段(FDLFYVEKG、PFGDLFYLG),能够较好的实现对新冠中和抗体的检测;其他3条候选肽段可作为备选肽段或肽库。
新冠中和抗体阳性样本和阴性样本检测结果中部分候选肽段的信号值差异如图2、图3和图4所示,图中纵轴为肽段对应的荧光信号强度为取log10后的值。
本实施例筛选出在中和抗体阳性血清与阴性血清中信号值差异最显著的2条肽段作为检测肽段(即SEQ ID NO:1和SEQ ID NO:4),并确定其在1:5000倍的样本稀释下差异最为明显,因此设置为检测中和抗体的最佳样本稀释浓度。
实施例4 样本验证实验
1.样本类型
临床阳性血清样本:新冠中和抗体阳性的血清样本和新冠感染康复后的人群血清样本。
阴性对照血清样本:检测新冠病毒核酸检测及抗体检测阴性的健康人血清样本。
2.样本数量
临床阳性血清样本:共计13例新冠感染康复后的人群血清样本,分别进行1:5000的稀释,3个技术重复。
阴性对照血清样本:共计11例已通过检测新冠病毒核酸检测及抗体检测阴性的健康人血清样本,分别进行1:5000的稀释,并进行3个技术重复。
3.样本采集
采集受检者的静脉血1mL,并立即进行血清分离,获得血清样本。
4.多肽芯片检测过程与结果分析
4.1分别将以上血清样本与荧光标记的S-RBD蛋白进行共孵育,之后将完成孵育的样本根据新冠中和抗体检测的标准流程进行检测;
4.2通过前述筛选出的信号肽所确定的阈值范围(0.5-1)判定以上血清样本是否为新冠中和抗体阳性样本。
阈值范围的确定:(可有多种方法,比如下列步骤(2)中可以仅用1个肽段、任意一个肽段;以阳性样本的最低值为阳性样本判断的最低阈值下限;下列步骤(3)中的分值还可以进一步乘以一个系数,例如1.1或1.2的经验值)
(1)将用于检测的肽段的荧光强度数据转换为log10模式;
(2)计算阴性样品和只有荧光标记S蛋白所对应的2个确定的信号肽的各自的差值,将差值的平均值用作评估得分;
(3)将所有阴性样品的最高评估分设置为确定中和抗体存在的阈值(比如可以选择确定新冠中和抗体阴性的样本,用其确定本检测方法的阈值。为保证低特异性,设置阴性样本信号评估值作为判定阈值),如0.678。
5.使用其他商用临床诊断试剂盒(Elisa)方法对以上血清样本进行检测,判断是否为新冠中和抗体阳性样本,并与此处多肽芯片检测结果进行对比。其中,商用临床诊断试剂盒(Elisa)信息如下:
产品名称:新冠中和抗体ELISA检测试剂盒(SARS-CoV-2 Surrogate VirusNeutralization Test Kit),生产厂家为金斯瑞生物科技股份有限公司,产品编号为L00847。
上述两种方法的检测结果如下表。
表2:对比结果:
Figure BDA0002849937050000171
如上表所示,本申请的方法与目前市面上的试剂盒相比,能够更为灵敏的检测出待测样本中是否存在中和抗体。
从上述实施例的描述可以看出,本申请的方法能够高效准确的实现目标抗体(如中和抗体)检测肽段的筛选和确认。
以目标抗体为中和抗体为例,本申请所建立的中和抗体的检测方法,特异性强、操作简单、耗时短、成本低、可大批量检测,能特异性的检测病原体(如新冠病毒)的中和抗体。具体而言,与酶联免疫法(Elisa)检测病原体(如新冠病毒)中和抗体的方法相比,本申请的检测方法具有以下主要优点:
1)极高灵敏度,血量用量极少,建立优于酶免法数千倍的新冠中和抗体高灵敏评估体系;
2)通量高,酶免法主要为单次单项检测,以酶免法为主的检测方法,操作通量受限;本开发方法一次样本测试,可同时实现多项检测,高通量>1000样本/天,目前新冠中和抗体检测主要以手动或半自动化;
3)肽段的生物学特性与免疫性质清楚可控,合成便捷可自动化,能够实现高效稳定的新冠中和抗体评价。
需要说明的是,本申请的上述实施例仅是以新冠病毒为例说明本申请的中和抗体的检测方法,根据实际应用及研究需要,新冠病毒可以替换为其他感兴趣的病原体,相应地,新冠病毒的中和抗体,可以替换为其他感染性病原体的中和抗体,例如乙肝病毒、丙肝病毒、HPV或SARS等。其中,如果替换为乙肝病毒中和抗体,则相应的候选结合物可以为HBsAg;如果为SARS中和抗体时,相应的候选结合物可以是SARS病毒的S蛋白。此外,上述具体实施例中的新冠病毒的S蛋白也可以是新冠病毒的其他蛋白成份,例如新冠病毒N蛋白。
本申请中所筛选的多肽,能够特异性地与S蛋白结合,且该结合能够被S蛋白的中和抗体竞争性地降低或抑制,从而能够特异性地表征或检测待测样本中是否含有中和抗体。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
序列表
<110> 珠海碳云智能科技有限公司
<120> 用于对目标抗体进行检测的多肽的筛选方法及其筛选的多肽的应用
<130> PN145644SZTY
<160> 14
<170> SIPOSequenceListing 1.0
<210> 1
<211> 9
<212> PRT
<213> 人工序列(Artificial Sequence)
<220>
<221> PEPTIDE
<222> (1)..(9)
<223> 与S-RBD特异结合且与hACE2匹配的多肽
<400> 1
Phe Asp Leu Phe Tyr Val Glu Lys Gly
1 5
<210> 2
<211> 10
<212> PRT
<213> 人工序列(Artificial Sequence)
<220>
<221> PEPTIDE
<222> (1)..(10)
<223> 与S-RBD特异结合且与hACE2匹配的多肽
<400> 2
His Lys Val Asp Leu Phe Tyr Phe Ser Asp
1 5 10
<210> 3
<211> 11
<212> PRT
<213> 人工序列(Artificial Sequence)
<220>
<221> PEPTIDE
<222> (1)..(11)
<223> 与S-RBD特异结合且与hACE2匹配的多肽
<400> 3
Leu Gln Leu Phe Gln Leu Phe Tyr Gln Val Phe
1 5 10
<210> 4
<211> 9
<212> PRT
<213> 人工序列(Artificial Sequence)
<220>
<221> PEPTIDE
<222> (1)..(9)
<223> 与S-RBD特异结合且与hACE2匹配的多肽
<400> 4
Pro Phe Gly Asp Leu Phe Tyr Leu Gly
1 5
<210> 5
<211> 9
<212> PRT
<213> 人工序列(Artificial Sequence)
<220>
<221> PEPTIDE
<222> (1)..(9)
<223> 与S-RBD特异结合且与hACE2匹配的多肽
<400> 5
Gly Ala Asn Glu Val Phe Val Leu Phe
1 5
<210> 6
<211> 201
<212> PRT
<213> 人工序列(Artificial Sequence)
<220>
<221> DOMAIN
<222> (1)..(201)
<223> S-RBD重组蛋白
<400> 6
Pro Asn Ile Thr Asn Leu Cys Pro Phe Gly Glu Val Phe Asn Ala Thr
1 5 10 15
Arg Phe Ala Ser Val Tyr Ala Trp Asn Arg Lys Arg Ile Ser Asn Cys
20 25 30
Val Ala Asp Tyr Ser Val Leu Tyr Asn Ser Ala Ser Phe Ser Thr Phe
35 40 45
Lys Cys Tyr Gly Val Ser Pro Thr Lys Leu Asn Asp Leu Cys Phe Thr
50 55 60
Asn Val Tyr Ala Asp Ser Phe Val Ile Arg Gly Asp Glu Val Arg Gln
65 70 75 80
Ile Ala Pro Gly Gln Thr Gly Lys Ile Ala Asp Tyr Asn Tyr Lys Leu
85 90 95
Pro Asp Asp Phe Thr Gly Cys Val Ile Ala Trp Asn Ser Asn Asn Leu
100 105 110
Asp Ser Lys Val Gly Gly Asn Tyr Asn Tyr Leu Tyr Arg Leu Phe Arg
115 120 125
Lys Ser Asn Leu Lys Pro Phe Glu Arg Asp Ile Ser Thr Glu Ile Tyr
130 135 140
Gln Ala Gly Ser Thr Pro Cys Asn Gly Val Glu Gly Phe Asn Cys Tyr
145 150 155 160
Phe Pro Leu Gln Ser Tyr Gly Phe Gln Pro Thr Asn Gly Val Gly Tyr
165 170 175
Gln Pro Tyr Arg Val Val Val Leu Ser Phe Glu Leu Leu His Ala Pro
180 185 190
Ala Thr Val Cys Gly Pro Lys Lys Ser
195 200
<210> 7
<211> 10
<212> PRT
<213> 人工序列(Artificial Sequence)
<220>
<221> PEPTIDE
<222> (1)..(10)
<223> 与S-RBD特异结合的多肽
<400> 7
Tyr Ala Tyr Glu Tyr Val Phe Phe Ser Glu
1 5 10
<210> 8
<211> 7
<212> PRT
<213> 人工序列(Artificial Sequence)
<220>
<221> PEPTIDE
<222> (1)..(7)
<223> 与S-RBD特异结合的多肽
<400> 8
Pro Phe Phe Phe Phe Glu Gly
1 5
<210> 9
<211> 10
<212> PRT
<213> 人工序列(Artificial Sequence)
<220>
<221> PEPTIDE
<222> (1)..(10)
<223> 与S-RBD特异结合的多肽
<400> 9
Gln Val Val Glu Val Phe Trp Leu Phe Asp
1 5 10
<210> 10
<211> 8
<212> PRT
<213> 人工序列(Artificial Sequence)
<220>
<221> PEPTIDE
<222> (1)..(8)
<223> 与S-RBD特异结合的多肽
<400> 10
Asn Tyr Val Phe Phe Phe Glu Gly
1 5
<210> 11
<211> 9
<212> PRT
<213> 人工序列(Artificial Sequence)
<220>
<221> PEPTIDE
<222> (1)..(9)
<223> 与S-RBD特异结合的多肽
<400> 11
Arg Leu Glu Phe Leu Phe Leu Phe Glu
1 5
<210> 12
<211> 8
<212> PRT
<213> 人工序列(Artificial Sequence)
<220>
<221> PEPTIDE
<222> (1)..(8)
<223> 与S-RBD特异结合的多肽
<400> 12
Gln Tyr Leu Phe Phe Leu Glu Gly
1 5
<210> 13
<211> 10
<212> PRT
<213> 人工序列(Artificial Sequence)
<220>
<221> PEPTIDE
<222> (1)..(10)
<223> 与S-RBD特异结合的多肽
<400> 13
Pro Val Phe Leu Val Phe Pro Gln Arg Gly
1 5 10
<210> 14
<211> 9
<212> PRT
<213> 人工序列(Artificial Sequence)
<220>
<221> PEPTIDE
<222> (1)..(9)
<223> 与S-RBD特异结合的多肽
<400> 14
Gln Ser Leu Phe Leu Glu Val Phe Ser
1 5

Claims (12)

1.一种用于对目标抗体进行检测的多肽的筛选方法,其特征在于,所述筛选方法包括:
利用多肽芯片技术对带荧光标记的抗原进行检测,得到与所述抗原具有特异性结合潜能的第一肽段集;
将所述第一肽段集中的多肽与所述抗原的受体蛋白进行氨基酸序列比对,得到第二肽段集;
利用含所述目标抗体的阳性样本和不含所述目标抗体的阴性样本,对所述第二肽段集中的多肽进行验证,从而筛选出能够检测所述目标抗体的多肽。
2.根据权利要求1所述的筛选方法,其特征在于,利用多肽芯片技术对带荧光标记的抗原进行检测,得到与所述抗原具有特异性结合潜能的第一肽段集包括:
对抗原进行荧光标记;
利用多肽芯片技术对带有所述荧光标记的抗原进行检测,得到与所述抗原具有不同结合信号强度的多肽集合,记为所述第一肽段集;
优选地,将带有所述荧光标记的抗原进行多个浓度梯度稀释,得到多个不同浓度的带有所述荧光标记的抗原;
利用多肽芯片技术对所述多个不同浓度的带有所述荧光标记的抗原进行检测,从而得到不同浓度下与所述抗原具有不同结合信号强度的多肽集合,记为所述第一肽段集。
3.根据权利要求2所述的筛选方法,其特征在于,利用多肽芯片技术对带有所述荧光标记的抗原进行检测,得到与所述抗原具有特异性结合潜能的第一肽段集包括:
将多肽芯片与带有所述荧光标记的抗原进行孵育,得到与所述抗原具有不同结合信号强度的多肽集合;
按照所述结合信号强度对所述多肽集合中的多肽进行排序;
选取排名靠前的第一预定数量的所述多肽作为所述第一肽段集。
4.根据权利要求3所述的筛选方法,其特征在于,按照所述结合信号强度对所述多肽集合中的多肽进行排序包括:
计算每个浓度下,与所述抗原具有不同结合信号强度的多肽集合中的每种多肽序列对应特征的信号强度值,并按照所述信号强度值进行排序;
优选地,计算每个浓度下,与所述抗原具有不同结合信号强度的多肽集合中的每种多肽序列对应特征的信号强度的均值或中位值,并按照所述均值或中位值进行排序;
更优选地,对每个浓度下,与所述抗原具有不同结合信号强度的多肽集合中的每种所述多肽序列对应特征的信号强度值进行log10转换,并按照转换之后的log10值的均值或中位值进行排序。
5.根据权利要求4所述的筛选方法,其特征在于,选取排名靠前的第一预定数量的所述多肽作为所述第一肽段集包括:
选择在设定比例的浓度范围中排序均在前第二预定数量的多肽作为第一候选集;
从所述第一候选集中去除在空白对照的多肽芯片检测结果中排序在前第三预定数量的多肽,得到第二候选集;
计算所述第二候选集中每条多肽在多个浓度下的均值或中位值;
根据所述均值或所述中位值,对所述第二候选集中的每条多肽进行排序,挑选排名在前第一预定数量的多肽,作为所述第一肽段集。
6.根据权利要求1至5中任一项所述的筛选方法,其特征在于,所述抗原为病原体的表面抗原;
优选地,所述病原体为SARS-CoV-2、SARS、HBV、HCV及HPV中的任意一种;
优选地,所述抗原为SARS-CoV-2的S蛋白、SARS-CoV-2的N蛋白、SARS的S蛋白及HBsAg中的任意一种;进一步优选,所述SARS-CoV-2的S蛋白为SARS-CoV-2的S-RBD重组蛋白;
优选地,所述目标抗体为针对所述抗原的中和抗体。
7.根据权利要求2所述的筛选方法,其特征在于,所述抗原为SARS-CoV-2的S-RBD重组蛋白,将带有所述荧光标记的抗原进行多个浓度梯度稀释,得到多个不同浓度的待测样本包括:
将初始浓度为0.5mg/mL的所述荧光标记的所述S-RBD重组蛋白分别按照1:500、1:1000、1:5000、1:10000、1:50000、1:500000及1:5000000的浓度进行稀释,得到多个不同浓度的所述待测样本。
8.根据权利要求1所述的筛选方法,其特征在于,利用含所述目标抗体的阳性样本和不含所述目标抗体的阴性样本,对所述第二肽段集中的多肽进行验证,从而筛选出能够检测所述目标抗体的多肽包括:
将所述阳性样本和所述阴性样本分别稀释不同浓度后与所述带荧光标记的抗原共孵育,得到不同浓度的阳性处理样本和阴性处理样本;
利用所述多肽芯片技术分别对所述阳性处理样本、所述阴性处理样本以及所述带荧光标记的抗原进行检测,检测结果分别记为结果A1、结果A2和结果A3;
计算各浓度下所述第二肽段集中的多肽的荧光信号强度在所述结果A3与所述结果A1中的差值1,以及在所述A3与所述结果A2中的差值2,并比较所述差值1与所述差值2;
若所述多肽在2个或2个以上浓度下,优选所有浓度下的所述差值1大于所述差值2,则所述多肽即为能够检测所述目标抗体的多肽;
优选地,所述阳性样本和所述阴性样本均为血清样本。
9.一种检测待测样本是否含有目标抗体的方法,其特征在于,所述方法包括:
将待测样本与带荧光标记的抗原进行共孵育预处理,得到预处理待测样本;
利用多肽芯片技术分别对所述预处理待测样本和带荧光标记的抗原进行检测,检测结果分别记为结果a和结果b;
统计标志物多肽对应特征的荧光信号强度在所述结果a和结果b中的差值;
若所述差值满足判断阈值,则判定所述待测样本中含有目标抗体;
其中,所述标志物多肽为权利要求1至8中任一项所述的筛选方法筛选得到的多肽。
10.根据权利要求9所述的方法,其特征在于,所述抗原为病原体的表面抗原,优选所述病原体为SARS-CoV-2、SARS、HBV、HCV及HPV中的任意一种;
优选地,所述抗原为SARS-CoV-2的S蛋白、SARS-CoV-2的N蛋白、SARS的S蛋白及HBsAg中的任意一种;进一步优选,所述SARS-CoV-2的S蛋白为SARS-CoV-2的S-RBD重组蛋白;
优选地,所述目标抗体为针对所述抗原的中和抗体。
11.根据权利要求9所述的方法,其特征在于,所述判断阈值通过以下方法计算得到:
计算权利要求1至8中任一项所述的筛选方法筛选得到的多肽中的一种或以上,优选SEQ ID NO:1和SEQ ID NO:4所示的两种标志物多肽对应特征的荧光信号强度在各阴性处理样本中和在所述带荧光标记的抗原中的差值,并计算所述差值的平均值,记为差异均值;
选择所有所述阴性处理样本对应的所述差异均值中的最大值作为所述判断阈值;
其中,所述阴性处理样本为阴性样本与所述带荧光标记的抗原进行共孵育预处理后的样本;
优选地,所述待测样本和所述阴性样本均为血清样本;
优选地,在计算所述差值之前,将所述多肽对应特征的荧光信号强度转换为对数值,更优选转换为log10值进行计算。
12.根据权利要求11所述的方法,其特征在于,在最佳样本浓度下进行所述共孵育预处理;
优选地,所述最佳样本浓度通过如下方式确定:
利用多个不同浓度的阴性样本和多个不同浓度的阳性样本分别与带荧光标记的抗原进行共孵育预处理,得到不同浓度下的阴性处理样本和阳性处理样本;
利用多肽芯片技术对所述阴性处理样本和所述阳性处理样本进行检测,获得在不同浓度下的检测结果;
选择所述不同浓度下的检测结果中,荧光信号强度在所述阴性处理样本和所述阳性处理样本中的差异最显著的多肽所对应的浓度,即为所述最佳样本浓度;
优选地,在所述最佳样本浓度下计算所述判断阈值;
更优选,将荧光信号强度在所述阴性处理样本和所述阳性处理样本中的差异最显著的多肽记为最佳多肽,在所述最佳样本浓度下利用所述最佳多肽计算得到所述判断阈值;
进一步优选,所述最佳样本浓度为1:5000的稀释倍数,所述最佳多肽为SEQ ID NO:1和SEQ ID NO:4所示的多肽。
CN202011524055.4A 2020-12-21 2020-12-21 用于对目标抗体进行检测的多肽的筛选方法及其筛选的多肽的应用 Active CN112557644B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011524055.4A CN112557644B (zh) 2020-12-21 2020-12-21 用于对目标抗体进行检测的多肽的筛选方法及其筛选的多肽的应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011524055.4A CN112557644B (zh) 2020-12-21 2020-12-21 用于对目标抗体进行检测的多肽的筛选方法及其筛选的多肽的应用

Publications (2)

Publication Number Publication Date
CN112557644A true CN112557644A (zh) 2021-03-26
CN112557644B CN112557644B (zh) 2024-03-22

Family

ID=75032119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011524055.4A Active CN112557644B (zh) 2020-12-21 2020-12-21 用于对目标抗体进行检测的多肽的筛选方法及其筛选的多肽的应用

Country Status (1)

Country Link
CN (1) CN112557644B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024046205A1 (zh) * 2022-09-01 2024-03-07 珠海碳云智能科技有限公司 一种基于多肽芯片的抗体表位的高通量鉴定方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5637677A (en) * 1987-07-16 1997-06-10 The Trustees Of The University Of Pennsylvania Biologically active compounds and methods of constructing and using the same
WO2000063701A2 (en) * 1999-04-15 2000-10-26 The Board Of Trustees Of The Leland Stanford Junior University Microarrays of polypeptides
CN2735340Y (zh) * 2003-12-25 2005-10-19 上海生物芯片有限公司 Sars抗体筛选多肽芯片的制备与检测试剂盒
US20060057632A1 (en) * 2001-11-22 2006-03-16 Keio University Artificial antibody library with super-repertory
KR20100074743A (ko) * 2008-12-24 2010-07-02 충북대학교 산학협력단 초고속 스크리닝용 단백질칩 시스템을 이용한 항체모방 펩타이드 탐색방법
US20130053541A1 (en) * 2011-03-11 2013-02-28 Lynntech, Inc. Methods for discovering molecules that bind to proteins
CN103122486A (zh) * 2011-11-04 2013-05-29 加利福尼亚大学董事会 肽微阵列及使用方法
WO2013087789A1 (en) * 2011-12-13 2013-06-20 Glykos Finland Ltd. Antibody isoform arrays and methods thereof
US20130224730A1 (en) * 2009-11-18 2013-08-29 Arizona Board Of Regents Acting For And On Behalf Of Arizona State University Peptide ligands
TW201922771A (zh) * 2017-10-09 2019-06-16 美商健康堤爾股份有限公司 用於源自目標及特異性訊息之結合配偶體選擇的整合平台
CN111781354A (zh) * 2020-09-04 2020-10-16 北京百普赛斯生物科技股份有限公司 新型冠状病毒中和性抗体滴度检测elisa试剂盒

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5637677A (en) * 1987-07-16 1997-06-10 The Trustees Of The University Of Pennsylvania Biologically active compounds and methods of constructing and using the same
WO2000063701A2 (en) * 1999-04-15 2000-10-26 The Board Of Trustees Of The Leland Stanford Junior University Microarrays of polypeptides
US20060057632A1 (en) * 2001-11-22 2006-03-16 Keio University Artificial antibody library with super-repertory
CN2735340Y (zh) * 2003-12-25 2005-10-19 上海生物芯片有限公司 Sars抗体筛选多肽芯片的制备与检测试剂盒
KR20100074743A (ko) * 2008-12-24 2010-07-02 충북대학교 산학협력단 초고속 스크리닝용 단백질칩 시스템을 이용한 항체모방 펩타이드 탐색방법
US20130224730A1 (en) * 2009-11-18 2013-08-29 Arizona Board Of Regents Acting For And On Behalf Of Arizona State University Peptide ligands
US20130053541A1 (en) * 2011-03-11 2013-02-28 Lynntech, Inc. Methods for discovering molecules that bind to proteins
CN103122486A (zh) * 2011-11-04 2013-05-29 加利福尼亚大学董事会 肽微阵列及使用方法
WO2013087789A1 (en) * 2011-12-13 2013-06-20 Glykos Finland Ltd. Antibody isoform arrays and methods thereof
TW201922771A (zh) * 2017-10-09 2019-06-16 美商健康堤爾股份有限公司 用於源自目標及特異性訊息之結合配偶體選擇的整合平台
CN111781354A (zh) * 2020-09-04 2020-10-16 北京百普赛斯生物科技股份有限公司 新型冠状病毒中和性抗体滴度检测elisa试剂盒

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
何为,许丹科,刘志红,刘泽源,黄英,李明,宁云山,王云丹,孙启鸿: "蛋白质微阵列芯片技术及其在抗体筛选中的应用", 分析化学, no. 01, pages 37 - 40 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024046205A1 (zh) * 2022-09-01 2024-03-07 珠海碳云智能科技有限公司 一种基于多肽芯片的抗体表位的高通量鉴定方法

Also Published As

Publication number Publication date
CN112557644B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
CN112630444B (zh) 基于靶点蛋白的多肽筛选方法
CN111978378B (zh) SARS-CoV-2抗原多肽及其应用
CN107643405B (zh) 一种基于自身抗体检测的肺癌诊断试剂盒及其应用
CN101896605A (zh) 适体在蛋白质组学中的用途
US20200386754A1 (en) Identification and medical applications of anti-citrullinated-protein antibodies in rheumatoid arthritis
CN112946260B (zh) 检测新冠肺炎病毒抗体的荧光免疫层析试剂及其制备方法
CN112415205A (zh) 检测eb病毒/hcmv的试剂盒及其应用
CN112415195A (zh) 检测新型冠状病毒双靶点的试剂盒及其应用
CN112557644B (zh) 用于对目标抗体进行检测的多肽的筛选方法及其筛选的多肽的应用
CN112724195B (zh) 多肽、包含其的多肽产品、试剂盒及应用
CN108948174B (zh) 一种瓜氨酸修饰肽及其应用
CN108948173B (zh) 一种瓜氨酸修饰肽及其应用
CN107176974B (zh) ω-5-醇溶蛋白特异的CD4+T细胞表位及其应用
CN112611875A (zh) 检测目标抗体的多肽的筛选方法及其筛选的多肽的应用
JP2022537448A (ja) 病態特異的抗原を同定するためのイムノームワイド関連研究
CN113444154A (zh) 一种多肽及其在新型冠状病毒检测、抗体或疫苗筛选中的应用
CN114075270B (zh) 一种人源包虫病抗原的重组蛋白及其应用
US20100279881A1 (en) Epitope-mediated antigen prediction
WO2015068715A1 (ja) 抗htlv抗体の免疫測定における非特異反応の低減方法
CN113698469B (zh) Svcv的宿主细胞膜结合蛋白的捕获方法和捕获试剂
US9915662B2 (en) Protein microarray for characterizing the specificity of the monoclonal immunoglobulins of MGUS or myeloma patients
CN113447657B (zh) 一种检测抗乌头酸水合酶-IgG抗体的检测试剂盒
CN113831401B (zh) 一种sle抗原表位多肽及其在sle诊断中的作用
CN114075271B (zh) 一种人源包虫病抗原的重组蛋白及其应用
CN115850425A (zh) 一种spon1-1蛋白片段及其在人源包虫病中的应用

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant