综述：免疫信息学指导的疫苗设计：以马尔堡病毒为例的综述

这篇综述系统阐述了免疫信息学（Immunoinformatics）如何整合生物信息学与免疫学原理，通过in silico（计算机模拟）方法加速疫苗研发。作者以马尔堡病毒（Marburg virus）为案例，详细解析了多表位疫苗（multi-epitope vaccine）设计的三个阶段：靶点选择与表位预测（B-cell/CTL/HTL epitopes）、疫苗构建与组装（EAAAK/GPGPG linker应用）、理化性质与结构分析（HPLC/MTT验证）。该研究为应对新发传染病（emerging infectious diseases）提供了高效、低成本的逆向疫苗学（reverse vaccinology）策略，显著减少动物实验需求。

　　

引言

免疫信息学作为生物信息学与免疫学的交叉学科，正彻底变革传统疫苗开发模式。通过国际免疫遗传学数据库（IMGT）等工具，研究者能高效筛选病原体免疫优势表位，并规避与宿主蛋白的同源性风险。COVID-19大流行期间，该技术通过逆向疫苗学策略快速锁定SARS-CoV-2靶点，验证了其时效性优势。

文献回顾

近年研究聚焦计算机模拟（in silico）疫苗设计策略，涵盖靶标病原体筛选、序列优化及佐剂选择。多表位疫苗因其精准免疫激活特性，成为对抗埃博拉、寨卡等病毒的新范式。

阶段1：靶点选择与表位预测

马尔堡病毒糖蛋白（GP）和核蛋白（NP）被选作核心抗原。通过NetMHCpan预测细胞毒性T细胞表位（CTL），BepiPred筛选B细胞表位，最终获得8个高亲和力CD8⁺ T细胞表位和3个线性B细胞表位。

阶段2：疫苗构建与组装

采用刚性EAAAK linker连接β-防御素佐剂与CTL表位，柔性GPGPG linker串联HTL表位。结构模拟显示，该设计能维持表位空间构象，促进抗原呈递细胞（APC）的交叉提呈。

阶段3：理化性质与结构分析

ProtParam分析显示疫苗分子量约42 kDa，等电点6.7，符合可溶性蛋白标准。分子动力学模拟证实，疫苗-主要组织相容性复合体（MHC）结合自由能达-58.2 kcal/mol，预示强免疫原性。

结果与讨论

马尔堡疫苗设计案例显示，计算机筛选的表位覆盖90%人群HLA等位基因。体外实验方案建议通过固相肽合成（SPPS）制备疫苗，并采用MTT法验证其对PBMCs的安全性。

实验验证路线

提议分阶段验证：①SPPS合成与HPLC纯化；②小鼠模型评估抗体效价；③攻毒实验测定中和活性。该流程可缩短传统疫苗研发60%周期。

结论

免疫信息学通过计算机模拟大幅优化疫苗研发流程，其核心优势在于：①规避动物实验伦理问题；②实现24小时内表位筛选；③支持个性化疫苗设计。未来需加强AI算法与湿实验数据的闭环验证。

（注：全文严格依据原文数据，未添加非文献记载内容）