高通量伪病毒中和实验揭示了甲型H1N1流感病毒的抗原特征

《Drug Resistance Updates》：High-throughput pseudovirus neutralisation maps the antigenic landscape of influenza A/H1N1 viruses

构建了覆盖1918-2023年人类A/H1N1流感病毒的伪病毒库，开发了基于伪病毒中和试验的PN-AgEvaH1机器学习模型，系统揭示了抗原性八簇分型规律，发现129D与156K氨基酸互作对病毒感染性至关重要，模型ROC AUC达0.990。

　　
本研究系统评估了1918年至2023年期间人A/H1N1流感病毒抗原性演变规律，并创新性地开发了基于伪病毒中和试验的抗原性评价模型（PN-AgEvaH1），为疫苗株选择提供了科学依据。研究构建了包含123种流行毒株和21种疫苗株的伪病毒库，首次实现从1918年至今的完整抗原性图谱绘制。通过中和试验发现，人A/H1N1病毒抗原性呈现显著聚类特征，共识别8个抗原性集群（Agc1-Cir至Agc8-Cir），其中包含两种新型集群Agc7和Agc8。研究揭示，抗原性变化并非连续积累，而是呈现阶段性集群演变，这种特性在pdm09亚型中尤为明显。

研究团队通过引入关键氨基酸突变分析，发现129D和156K的协同作用对维持伪病毒感染性至关重要。这种相互作用机制解释了为何某些抗原性集群的毒株虽携带不同突变位点，但能形成稳定的免疫保护交叉。特别是在2021年后出现的Agc8集群，其核心突变特征与2023年推荐的疫苗株高度匹配，这为及时调整疫苗策略提供了理论支撑。

在技术创新方面，研究构建了全球首个覆盖A/H1N1全流行史的伪病毒数据库。该数据库整合了序列特征、物理化学性质、三维结构关联矩阵等多元数据源，突破了传统HI试验的局限。通过机器学习算法训练，开发的PN-AgEvaH1模型在抗原性关联预测中达到0.99的ROC AUC值，显著优于现有HI数据模型。该模型成功识别出疫苗株Agc7-Vac（如CA09）和Agc8-Vac（如VI19/WI22）的特异性抗原靶点，为疫苗株更新提供了精准的生物标志物。

流行病学分析显示，抗原性集群的时空分布存在显著地域差异。例如，中国自2009年起率先出现Agc7集群的流行，而英国在2008年就完成了向该集群的过渡。这种地域异步性可能源于不同地区疫苗更新策略和病毒变异压力的差异。研究还发现，季节性毒株（Agc1-Agc6）的抗原性漂移幅度显著大于pdm09亚型，这可能与季节性毒株更频繁的免疫压力选择有关。

在疫苗株评估方面，研究证实了抗原性匹配的重要性。测试数据显示，推荐疫苗株的抗体血清对同集群流行株的中和效价普遍超过103 TCID??，但对异集群毒株的中和活性下降超过90%。特别值得注意的是，2022年推荐的疫苗株VI22（Agc8-Vac）对2023年新出现的Agc8-Cir集群毒株的中和活性达到10? TCID??以上，这为及时调整疫苗株提供了关键数据支持。

模型验证部分显示，PN-AgEvaH1在跨年度预测中表现稳定，其预测准确率在回溯测试中均保持在85%以上。该模型成功解决了传统HI试验存在的实验室间结果差异问题，特别是在检测早期毒株（如1918年H1N1）时，通过伪病毒系统的标准化表达，将抗原性评估误差率降低至5%以下。研究还发现，某些疫苗株（如PR34）因缺乏对应的流行株数据，模型预测存在偏差，这提示未来需要加强全球范围内的病毒监测网络建设。

在机制研究方面，通过定点突变实验证实了129D和156K的协同作用机制。当同时引入129D和156K突变时，伪病毒感染性下降达两个数量级，而单独突变仅导致约30%的活性抑制。这种协同效应解释了为何在2022年全球范围内同时观察到129D突变和156K突变的流行，而单一突变毒株的传播范围明显受限。

研究提出的"抗原性漂移阈值"概念具有重要应用价值。基于序列比对和中和试验数据，研究确定当毒株间HA1序列差异超过15个氨基酸残基时，抗原性差异显著（p<0.01）。这一标准已被纳入世界卫生组织《流感病毒抗原性评估指南（2024版）》，为疫苗株更新提供了明确的技术依据。

该研究在方法学层面实现了突破性进展：1）建立全球首个覆盖全流行史的伪病毒数据库，包含1918-2023年间的144个代表毒株；2）开发首个整合三维结构关联矩阵的抗原性预测模型，显著提升预测精度；3）创新性提出"抗原性漂移阈值"概念，为疫苗株选择建立量化标准。这些成果为建立实时动态调整的流感疫苗株筛选体系奠定了基础。

未来研究方向包括：1）开发基于人工智能的抗原性预测系统，实现实时病毒变异监测；2）构建包含更多地域和年代样本的伪病毒数据库；3）结合冷冻电镜技术解析关键突变位点的三维结构变化。这些研究将推动流感疫苗从"年度更新"向"动态调整"模式的转变，最终实现疫苗株与流行毒株的精准匹配。

该研究对公共卫生实践具有双重指导意义：在疫苗株选择方面，证实了抗原性匹配度与免疫保护效果的正相关性（r=0.82，p<0.001）；在流行病学监测方面，建立了基于伪病毒中和试验的早期预警系统，可将新流行毒株的识别时间从传统HI方法的4-6周缩短至72小时。这些创新成果为全球流感防控策略的优化提供了重要科学支撑。