A sepse neonatal precoce, causada principalmente por Streptococcus agalactiae, ainda é uma das principais causas de mortalidade em recém-nascidos, sobretudo em locais com poucos recursos. O diagnóstico rápido é essencial, mas métodos como hemocultura e PCR apresentam limitações de tempo, custo e sensibilidade. Esta pesquisa propõe biomarcadores proteicos específicos de S. agalactiae para desenvolvimento de testes imunodiagnósticos rápidos e acessíveis. A partir de análises bioinformáticas do genoma completo, foram identificadas três proteínas promissoras, com epítopos lineares e conformacionais para células B. As regiões antigênicas apresentaram boa antigenicidade, localização superficial e ausência de homologia com proteínas humanas. Os resultados encontrados indicam potencial aplicação diagnóstica e maior agilidade no manejo da sepse neonatal, diminuindo assim a taxa de mortalidade.
Autores: Ana Carolini Natividade Peçanha, Daniel Ernesto Rodrìguez Fernandez, Ana Carolina Renno Sodero, Helena Keiko Toma
Introdução
A sepse neonatal é um grave problema de saúde pública, com alta mortalidade em países de baixa e média renda, principalmente devido à ausência de métodos diagnósticos rápidos e acessíveis [1]. Entre os principais agentes da forma precoce destaca-se o Streptococcus agalactiae, transmitido verticalmente de gestantes colonizadas para o recém-nascido durante o parto [2].
A imaturidade do sistema imunológico dos recém-nascidos, especialmente dos prematuros, aumenta a vulnerabilidade à infecção e favorece a rápida evolução da doença, tornando o diagnóstico precoce essencial para o sucesso terapêutico [3].
Os métodos atuais, como hemocultura e PCR, apresentam limitações de tempo, custo e necessidade de infraestrutura [1,2]. Diante disso, a identificação de biomarcadores específicos de S. agalactiae surge como alternativa promissora, utilizando ferramentas bioinformáticas para desenvolver testes rápidos, precisos e de baixo custo [3].
Metodologia
Identificação de Proteínas Específicas de S. agalactiae
O estudo iniciou a partir do genoma completo da cepa GBS85147 de S. agalactiae, disponível no National Center for Biotechnology Information (NCBI). O objetivo foi selecionar apenas proteínas que não apresentassem homólogos significativos em outros microrganismos ou no hospedeiro humano, garantindo assim a especificidade do futuro teste diagnóstico.
Predição in silico de Epítopos para B células
Uma vez identificadas as proteínas-alvo, a predição de epítopos lineares e conformacionais focou na identificação de regiões que pudessem ser reconhecidas como antígenos (Figura 1). Esta etapa é crucial para o desenvolvimento de um teste imunológico. Para maximizar a confiabilidade da predição, adotamos uma estratégia de consenso entre 3 diferentes programas utilizados.
Epítopos lineares são regiões antigênicas constituídas por sequências contínuas de aminoácidos na cadeia primária da proteína, sendo reconhecidas independentemente da estrutura tridimensional. Epítopos conformacionais, por sua vez, são formados por aminoácidos espacialmente próximos apenas após o dobramento da proteína, dependendo, portanto, da sua conformação para reconhecimento pelo sistema imune.
Para a predição de epítopos lineares e conformacionais as sequências de aminoácido no formato FASTA foram submetidas aos servidores abaixo (Tabela 1). Os algoritmos destinados à predição de epítopos lineares utilizam pequenas sequências contínuas de aminoácidos como base para identificar regiões potencialmente imunogênicas. Nestes métodos, o dado de entrada consiste, tipicamente, na sequência primária da proteína de interesse, geralmente disponibilizada no formato FASTA.
Por outro lado, ferramentas voltadas à identificação de epítopos conformacionais requerem informações estruturais da proteína. Isso ocorre porque esses epítopos são formados por resíduos que, embora distantes na sequência primária, encontram-se próximos no espaço tridimensional. O dado de entrada é o arquivo contendo as coordenadas atômicas da proteína, usualmente no formato PDB.
Tabela 1. Programas utilizados para predição de epítopos lineares e conformacionais
Diante da necessidade de um teste diagnóstico rápido para sepse neonatal, as ferramentas de bioinformática mostraram-se fundamentais na identificação de epítopos lineares e conformacionais de S. agalactiae, apontando alvos promissores para detecção rápida. A análise estrutural indicou boa exposição superficial desses epítopos, reforçando seu potencial de reconhecimento por anticorpos.
A validação experimental confirmará sua imunogenicidade e poderá viabilizar um método acessível para diagnóstico precoce, contribuindo para a redução da morbimortalidade neonatal.
Agradecimentos os autores agradecem às agências de fomento à pesquisa: CAPES e CNPq.
4. Referências
[1] Eichberger, J., Resch, E. & Resch, B. (2022). Diagnosis of neonatal sepsis: The role of inflammatory markers. Frontiers in Pediatrics, 10, 840288. https://doi.org/10.3389/fped.2022.840288
[2] Landwehr-Kenzel, U. (2014). Vertical transmission of Streptococcus agalactiae and neonatal colonization. Neonatology Today, 9(6), 1–5. https://doi.org/10.51473/rcmos.v1i2.2025.1513
[3] Celik, I. H., Hanna, M., Canpolat, F. E. & Mohan, P. (2022). Diagnosis of neonatal sepsis: the past, present and future. Pediatric Research, 91(2), 337–350. https://doi.org/10.1038/s41390-021-01696-z
[4] Yu, H., Joseph-McCarthy, D. & Vajda, S. (2025). Improving B-cell epitope prediction. Drug Discovery Today.30(11), 104489. https://doi.org/10.1016/j.drudis.2025.104489
[5] Jespersen, M. C., Peters, B., Nielsen, M. & Marcatili, P. (2017). BepiPred-2.0: improving sequence-based B-cell epitope prediction using conformational epitopes. Nucleic Acids Research, 45(W1), W24–W29. https://doi.org/10.1093/nar/gkx346
[6] Kolaskar, A. S. & Tongaonkar, P. C. (1990). A semi-empirical method for prediction of antigenic determinants on protein antigens. FEBS Letters, 276(1–2), 172–174. https://doi.org/10.1016/0014-5793(90)80535-Q
[7] Singh, H., Ansari, H. R. & Raghava, G. P. S. (2013). Improved method for linear B-cell epitope prediction using antigen’s primary sequence. PLoS One, 8(5), e62216. https://doi.org/10.1371/journal.pone.0062216
[8] Kringelum, J. V., Lundegaard, C., Lund, O. & Nielsen, M. (2012). DiscoTope 2.0: improved B-cell epitope prediction using protein three-dimensional structures. Protein Science, 21(9), 1367–1377. https://doi.org/10.1002/pro.2113
[9] Ansari, H. R. & Raghava, G. P. S. (2010). Identification of conformational B-cell Epitopes in an antigen from its primary sequence. Immunome Research, 6, 6. https://doi.org/10.1186/1745-7580-6-6
[10] Ponomarenko, J., Bui, H. H., Li, W., Fusseder, N., Bourne, P. E., Sette, A. & Peters, B. (2008). ElliPro: a new structure-based tool for the prediction of antibody epitopes. BMC Bioinformatics, 9, 514. https://doi.org/10.1186/1471-2105-9-514