Los nanoanticuerpos son una categoría de anticuerpos de un solo dominio con muchas aplicaciones en investigación, diagnóstico y tratamientos. Estos son fácilmente expresables en microorganismos como bacterias y levaduras y poseen una alta estabilidad, permitiéndoles mantener su estructura aún sin cadena de frío (1, 2, 3). Sin embargo, el método convencional de descubrimiento de nuevos nanoanticuerpos requiere una gran cantidad de recursos y tiempo (4). Por otro lado, la aparición de mutaciones en antígenos, como en la región RBD de la proteína Spike del virus SARS-CoV-2 que ocasionan pérdida de afinidad de los anticuerpos (5), son un ejemplo de cómo los patógenos emergentes pueden demandar rápidamente el desarrollo de nuevos tratamientos y métodos de detección. Teniendo estos factores en cuenta, consideramos que una técnica de diseño in silico podría complementar y acelerar el descubrimiento de nanoanticuerpos, así como se realiza para métodos in vivo e in vitro establecidos para el descubrimiento de anticuerpos convencionales IgG (6, 7, 8). En este trabajo proponemos dos estrategias basadas en programas bioinformáticos de uso libre y la modificación de estructuras conocidas de proteínas. La primera se enfoca en el descubrimiento de nanoanticuerpos afines al RBD de variantes de SARS-CoV-2 y la segunda en el descubrimiento de nanoanticuerpos afines al RBD de la cepa referencia de SARS-CoV-2 a partir de un VH camelizado de anticuerpo convencional IgG afín al mismo antígeno. Mediante dichas estrategias se generaron 500 nanoanticuerpos por cada epítopo elegido, que fueron evaluados utilizando programas orientados a la estimación de la afinidad, estimación de la calidad de modelos estructurales y modelamiento de proteínas. Finalmente, se obtuvieron 2 nanoanticuerpos con alta afinidad a la región RBD de la variante P.1 de SARS-CoV-2 y 14 con alta afinidad a la región RBD de la cepa referencia de SARS-CoV-2, las cuales se proponen para ensayar in vitro y así validar las estrategias utilizadas.
Nanobodies are a type of single domain synthetic antibodies with many applications in research, diagnostics and treatments. These are easily expressed in microorganisms such as bacteria and yeasts and have high stability, allowing them to keep their structure even without cold chain (1, 2, 3). However, the conventional method of nanobody discovery requires a great number of resources and time (4). On the other hand, mutations that cause the loss of antibody affinity, such as the case with the RBD of the Spike protein of SARS-CoV-2 (5), are an example of how the rapid development of treatments and detection methods are particularly necessary for newly emerging pathogens. Having these factors in mind, we propose that an in silico design technique could complement and accelerate nanobody discovery, as it currently does for already stablished in vivo and in vitro methods for conventional IgG antibody discovery (6, 7, 8). In this project two strategies based on free access bioinformatic programs and the modification of known protein structures are proposed. The first is focused on nanobody discovery with high affinity to the RBD region of SARS-CoV-2 variants, while the second one is focused on nanobody discovery with high affinity to the reference strains of SARS-CoV-2, through the camelization of a VH of a conventional IgG antibody with affinity to the same antigen. Through these methods, 500 nanobodies were generated for each epitope and were analyzed with programs used for the estimation of their affinities towards the antigen, the quality of the generated model and protein modelling from scratch. Ultimately, 2 nanobodies with high affinity for the RBD of the P.1 variant of SARS-CoV-2 and 14 nanobodies with high affinity to the RBD of the reference strain of SARS-CoV-2 were obtained. We propose the in vitro assessment of these 16 structures in order to validate the methods here followed.
